至顶网软件频道消息: 微软日前开始在Azure里添加对NVIDIA GPU项目的新级别支持,此举可能令运行深度学习和其他高性能计算(HPC)工作负载的人受益。两家宣布推出配有GPU加速软件的预配置容器,可助数据科学家、开发人员和研究人员在运行HPC任务之前省掉许多整合和测试步骤。
客户可以选择35个GPU加速容器,可用于深度学习软件、HPC应用程序、HPC可视化工具等,这些工作负载都可以在以下配有NVIDIA GPU的微软 Azure实例类型上运行:
● NCv3(1、2或4个NVIDIA Tesla V100 GPU)
● NCv2(1、2或4个NVIDIA Tesla P100 GPU)
● ND(1、2或4个NVIDIA Tesla P40 GPU)
NVIDIA还提到,这些相同的NVIDIA GPU云(NGC)容器可以跨Azure实例类型工作,即使GPU类型或数量不同也可以跨Azure实例类型工作。微软Azure市场里有一个预先配置的Azure虚拟机映像,包含运行NGC容器所需的所有内容(https://azuremarketplace.microsoft.com/en-us/marketplace/apps/nvidia.ngc_azure_17_11?tab=Overview ) 。
微软今天还面向普通用户推出了“Azure CycleCloud”,可用于“创建、管理、操作和优化Azure中任何规模的HPC集群工具”。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。