Tesla

Aplicaciones Aceleradas en la GPU

El análisis de datos masivos, la ciencia de los datos y el aprendizaje automático

Cada vez hay más clientes que recurren a las GPU para analizar cantidades masivas de datos (Big Data) y mejorar así la toma de decisiones de negocio en tiempo real. Esta página contiene un resumen de casos de usuarios que están utilizando diferentes técnicas de análisis de datos que incluyen algoritmos de aprendizaje automático, búsqueda o clasificación.

 
 
 
10 VECES MÁS VELOCIDAD DE DETECCIÓN DE LAS IMÁGENES CON LAS REDES NEURONALES

10 VECES MÁS VELOCIDAD DE DETECCIÓN DE LAS IMÁGENES CON LAS REDES NEURONALES
Dr. Dan Ciresan, Laboratorio de IA IDSIA, Suiza

LAS REDES NEURONALES ARTIFICIALES MÁS GRANDES DEL MUNDO SE CREAN CON GPU

LAS REDES NEURONALES ARTIFICIALES MÁS GRANDES DEL MUNDO SE CREAN CON GPU
Adam Cotes et al, Laboratorio de IA de Sanford, EE.UU. – MÁS INFORMACIÓN

 

Para obtener más información sobre las principales aplicaciones y sus desarrolladores, visita la  página de aplicaciones para la GPU.

 
Artículos técnicos sobre el uso de CUDA para procesar cantidades masivas de datos

Aprendizaje automático

> Aprendizaje profundo con sistemas comerciales estándar de alta computación, Adam Coates, et al (Stanford, NVDIA)(PDF)
> Detección de la mitosis en imágenes histológicas del cáncer de mama mediante redes neuronales profundas, D. Ciresan et al (IDSIA)(PDF)
          > Otros artículos y pruebas de rendimiento de IDSIA galardonados en concursos (IDSIA website )
> Máquinas de Vectores Soporte: algoritmos de enseñanza y clasificación acelerados en procesadores gráficos, Bryan Catanzaro et al (Universidad de California - Berkeley, NVIDIA) (PDF)

Minería y análisis de datos

>  Funciones de comparación de palabras clave y evaluación de expresiones aceleradas en las GPU para búsquedas de texto en tiempo real, Brendan Wood (Salesforce.com). GTC13 (videodiapositivas)
>  Creación de lenguajes DSL acelerados y compiladores de GPU con libNVVM (incluye un ejemplo con R), Yuan Lin (NVIDIA). GTC13 (videodiapositivas)
>  Análisis a gran escala acelerado en la GPU, Wu, Zhang, Hsu, HP Laboratories (PDF)
> Uso del procesador gráfico para acelerar la minería de datos en el acelerador de BI de SAP NetWeaver, Weyerhaeuser et al. (SAP) (PDF)
> Búsqueda paralela con tarjetas de vídeo, Tim Kaldeway et al (Oracle Corp) (PDF)

Búsqueda y ordenación

> Algoritmos eficientes de intersección de listas y compresión de índices mediante cálculo paralelo en la GPU, Naiyong Ao et al. (Baidu-Naikai Joint Lab) (PDF)
> Recorrido de grafos escalable mediante las GPU, Merrill et al. (NVIDIA) (webpage)
> Diseño de algoritmos de ordenación eficientes para GPU de muchos núcleos, Satish et al. (Berkeley, NVIDIA)(PDF)
> Algoritmo de ordenación rápido y flexible con CUDA, Chen et al. (Academia China de las Ciencias)(PDF)
> Creación de una red de ordenación bitónica con CUDA, Baraglia et al. (Consiglio Nazionale delle Ricerche) (PDF)

Bases de datos

> Deje que la GPU haga el trabajo duro en su almacén de datos, Tim Kaldewey (IBM), Rene Mueller (IBM). GTC13 (videodiapositivas)
> Arquitectura de bases de datos para la GPU, Peter Bakkum (Groupon). GTC13 (videodiapositivas)
> Aceleración de los cálculos de centralidad en las GPU, Umit V. Catalyurek (Uni. Estatal de Ohio). GTC13 (videodiapositivas)
> Operaciones de fusión, búsqueda y configuración eficientes en las GPU, Sean Baxter, Duane Merrill. GTC13 (videodiapositivas)
> Nuevas consideraciones sobre el procesamiento conjunto con GPU, Tim Kaldewey, Guy Lohman, Rene Mueller, Peter Volk. Actas del Octavo Taller Internacional sobre Administración de Datos en Nuevo Hardware (DaMoN '12)  (PDF)
> Minería de textos acelerada en las GPU, Yongpeng Zhang et al. (Universidad Estatal de Carolina del Norte, Laboratorio Nacional de Oak Ridge) (PDF)

Map-Reduce / Hadoop

> MapReduce en clusters de GPU, Stuart et al. (Universidad de California, Davis) (PDF)
> Uso de MapReduce en múltiples GPU para el procesamiento masivo de datos, Chen et al. (Universidad Estatal de Arkansas)(PDF)
> Optimización de MapReduce para GPU con un uso eficaz de la memoria compartida, Chen et al. Universidad Estatal de Ohio (PDF)
> MITHRA: escalado de CUDA para adaptarlo al procesamiento en clusters con MapReduce, Farivar et al(diapositivas)
> Infraestructura basada en MapReduce para clusters con nodos de elementos de procesamiento asimétricos, Tan et al. (Universidad tecnológica de Nanyang, Singapur)(PDF)
 
 
Dónde se investiga con las GPU
Georgia Tech

Georgia Tech

Hong Kong University of Science and Technology

Hong Kong University of Science and Technology

IDSIA

IDSIA

Nankai University

Nankai University

New York University

New York University

Ohio State University

Ohio State University

Stanford

Stanford

University of Michigan

University of Michigan

University of Montreal

University of Montreal

University of Toronto

University of Toronto

Virginia Tech

Virginia Tech

 
 
 
Dónde se implantan sistemas basados en GPU
Baidu

Baidu

Cortexica

Cortexica

Jedox

Jedox

Nuance

Nuance

Onuma

Onuma

Salesforce

Salesforce

Shazam

Shazam

Yandex

Yandex

 
 
Otros enlaces de interés
> Herramientas y librerías de desarrollo para CUDA
         >  PyCUDA
         > NumabaPro
> Solicitud de hardware para instituciones académicas
> Dónde comprar Tesla
 
CUDA y el GPU Computing

Qué es el GPU Computing
Hechos sobre el GPU computing
Programación para la GPU
Arquitectura de GPU Kepler
Computación en la nube con las GPUs
Contacto

Qué es CUDA
Escaparate de aplicaciones CUDA
Formación en CUDA
Centros de Excelencia CUDA
Centros de Investigación de CUDA
Centros de Enseñanza de CUDA

Aplicaciones para la GPU

Aplicaciones para GPUs Tesla
Casos de estudio sobre Tesla
Directivas de OpenACC
Prueba de GPUs Tesla

GPUs Tesla para servidores
y estaciones de trabajo

Por qué elegir Tesla
Soluciones Tesla para servidor
Soluciones Tesla para estaciones
de trabajo

Plataforma de desarrollo integrado
Comprar GPUs Tesla

Noticias e información
sobre Tesla

Documentación sobre los
productos Tesla

Características del software
para Tesla

Herramientas de desarrollo de
software para Tesla

NVIDIA y la investigación
Alertas de Tesla

Síguenos en la red

NVIDIA Blog Blog de NVIDIA
Facebook Facebook
Twitter @NVIDIA_ES
YouTube YouTube