En GTC 2018, #NVIDIA y #SAP hicieron numerosos anuncios para expandir su plataforma de computación GPU [VIDEO] para innovaciones de AI la semana pasada en GTC 2018. El objetivo a largo plazo es trabajar con SAP para extender el aprendizaje automático acelerado por #GPU a la empresa. A continuación, se encuentran algunos de los aspectos más destacados.

NVIDIA anunció la integración de TensorRT 4 y TensorFlow, así como el soporte de Kubernetes en clústeres de GPU de nubes múltiples. SAP aprovecha ambos productos para poner sus ofertas Leonardo Machine Learning en producción.

Optimizador de inferencia de aprendizaje profundo

TensorRT es nuestro optimizador de inferencia de aprendizaje profundo.

Markus Noga, jefe de Machine Learning en SAP, afirmó que el fabricante de software está experimentando un aumento de 45x en la velocidad de referencia y el rendimiento con él, en comparación con la ejecución en una plataforma basada en CPU, y cree que puede mejorar drásticamente la productividad de la empresa de SAP clientes.

TensorRT 4 , la última versión, ahora ofrece capacidades para acelerar el reconocimiento de voz, la traducción neuronal automática y los sistemas de recomendación. Para facilitar la implementación de inferencias en el entorno de múltiples nubes, SAP compartió que está utilizando Kubernetes para programar cargas de trabajo de aprendizaje profundo.

NVIDIA también anunció que duplicó la memoria de las GPU Tesla V100 a 32 GB. Formada en NVIDIA DGX-1 , que tiene ocho GPU V100, la aplicación SAP Brand Impact analiza automáticamente la exposición de la marca en videos aprovechando técnicas avanzadas de visión por computadora y algoritmos propios.

Dada la naturaleza del video de alta definición y la necesidad de obtener resultados en tiempo real, el aumento en la memoria ayudó a SAP con mayor precisión.

"Evaluamos DGX-1 con el nuevo Tesla V100 32GB para nuestra aplicación SAP Brand Impact, que analiza automáticamente la exposición de la marca en videos casi en tiempo real", dijo Michael Kemelmakher, vicepresidente del SAP Innovation Center, Israel.

"La memoria adicional mejoró nuestra capacidad de manejar imágenes de alta definición en un modelo ResNet-152 más grande, reduciendo las tasas de error en un 40 por ciento en promedio. Esto da como resultado servicios precisos, oportunos y auditables a escala ".

Leonid Bobovich, arquitecto principal y gerente de desarrollo en el equipo de SAP Brand Impact, continúa entrenando más empleos y planea compartir un rendimiento adicional mejorado en SAP SAPPHIRE en junio. El pasado miércoles, NVIDIA organizó una IA exclusiva para Business CXO Summit, que reunió a más de 60 ejecutivos sénior para debatir sobre los desafíos e ideas de toda la industria para crear empresas y prácticas de inteligencia artificial.

Nos sentimos honrados de tener a Juergen Mueller, director de innovación en SAP, como uno de los coanfitriones.

Varias ideas clave durante el taller de día completo

Importancia de la calidad de los datos para un entrenamiento modelo preciso. Sistema de datos distribuidos para seguridad, privacidad y transparencia. Modelo de código abierto de gestión de personal para la confianza y la productividad de los empleados. Formular problemas en componentes para soluciones efectivas

A medida que SAP y NVIDIA innoven juntos y traigan al mercado más soluciones aceleradas por GPU, la mejora de la productividad de los clientes y empleados y la minimización de los desechos sentarán las bases para construir una empresa de inteligencia artificial.

En GTC, Frank Wu, director de SAP Machine Learning Business Network, y Nazanin Zaker, principal científico de datos de SAP, pronunciaron una charla informativa sobre la construcción de una aplicación de aprendizaje automático, llamada Catalog Normalization, que procesa catálogos recibidos de proveedores, extrae atributos de free- descripciones de texto y normaliza los nombres y valores de los atributos.

La aplicación también está capacitada en sistemas NVIDIA DGXpara una #implementación más rápida. SAP Leonardo Machine Learning ofrece capacidades, microservicios, aplicaciones y tecnología que permiten la integración y adopción del aprendizaje automático en la empresa. [VIDEO] Wu y Zaker aprovecharon esta #aplicación para mostrar cómo los modelos de aprendizaje profundo se pueden utilizar para resolver este problema para las empresas.