【その他】HWの効率的な利用スマートインプリメント

GPU数の削減！必要なGPU数を増やすことなく、巨大なネットワークの学習が可能

巨大な深層学習ネットワークを学習するのにGPUメモリが足りないという
問題がある一方、GPUはHDDやDRAMに比べて高価であり拡張が困難です。

その他のHWを利用することで単一GPUのみでの巨大なネットワークの
学習を実現。

【技術詳細】
■CUDA Unified Memoryを利用したデータのHDDへの転送
　・ユーザーが転送を意識することなくGPUメモリのデータを
　　Hostメモリへ転送可能
　・Nvidia Driverを拡張することで、Hostメモリが不足した際に
　　HDDへデータを転送する技術を実装
■計算グラフの解析
　・必要なデータのみをGPUに残し、他はHostメモリ、ストレージに移行、
　　計算が必要になりそうなタイミングでGPUに転送する技術の開発

※詳しくはPDFをダウンロードしていただくか、お気軽にお問い合わせください。

基本情報【その他】HWの効率的な利用

※詳しくはPDFをダウンロードしていただくか、お気軽にお問い合わせください。

価格帯	お問い合わせください
納期	お問い合わせください
用途／実績例	※詳しくはPDFをダウンロードしていただくか、お気軽にお問い合わせください。