9 月 19-22 日 GTC 大會即將登場!NVIDIA 匯集了開發者、研究人員、企業領袖、創作者、IT 決策者和學生,讓所有與會者了解如何利用 AI、計算機圖形、數據科學等的力量塑造未來。
精選演講:聆聽行業優秀人才的見解
9 月 21 日星期三北京時間下午 1 點,字節跳動機器學習系統總監朱亦博將帶來精彩的演講。帶您了解機器學習(ML)和深度學習(DL)是如何強力推動字節跳動的產品和服務?而他們的團隊又是如何構建大型集群?以支持這些工作負載,從模型訓練,到實時在線推理。
在本次演講中,朱亦博也將分享如何充分利用復雜的基礎設施,在 GPU 集群中同時運行 ML 訓練和推理的工作負載,最大化利用 GPU 資源,同時還提供有保障的客戶服務。
最大化大型機器學習基礎設施上的 GPU 利用率(含中文互動問答)
會議代碼
[A41246b]
會議時間
9 月 21 日,星期三,1:00 PM – 1:50 PM
講師簡介
朱亦博 |字節跳動機器學習系統總監
朱亦博畢業于加利福尼亞大學圣塔芭芭拉分校,并獲得計算機科學博士學位,過往從事分布式系統的研究,現在專注于機器學習系統領域。目前領導著字節跳動機器學習系統團隊,主要負責深度學習(計算機視覺、自然語言處理、語音和強化學習)訓練和推理的基礎設施。他和團隊致力于機器學習框架、分布式訓練、編譯器、機器學習數據處理、機器學習平臺和集群資源調度。
-
gpu
+關注
關注
28文章
4912瀏覽量
130682 -
機器學習
+關注
關注
66文章
8492瀏覽量
134125 -
英偉達
+關注
關注
22文章
3923瀏覽量
93137
原文標題:GTC22|最大化大型機器學習基礎設施上的 GPU 利用率
文章出處:【微信號:NVIDIA_China,微信公眾號:NVIDIA英偉達】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
mes工廠管理系統:如何讓設備利用率提升50%?

DeepSeek MoE架構下的網絡負載如何優化?解鎖90%網絡利用率的關鍵策略

NVIDIA GTC 2025精華一文讀完 黃仁勛在GTC上的主題演講

三星平澤晶圓代工產線恢復運營,6月沖刺最大產能利用率
EE-19:最大化DSP-21xx系列DSP(不包括ADSP-218x)的引導內存效率

EE-365:在ADSP-CM40x混合信號控制處理器上實現ADC采樣速率最大化

光伏發電如何實現能效最大化
華納云:什么是負載均衡?優化資源利用率的策略
交換機內存利用率過高會是什么問題
液冷充電槍線最大化提高充電效率
異構混訓整合不同架構芯片資源,提高算力利用率
DC/AC電源模塊:提升光伏發電系統的能源利用率

評論