上海交易所代码：603019
您可以同时关注金年会微信公众号
使用微信扫一扫即可登录！ 查阅资料更方便、 快捷！
2025年1月
服务热线：400-810-0466
互联网大数据和数据共享平台的发展，获得了海量的数据积累，也为深度学习的发展提供了强大的推动力。而由于深度学习的网络模型复杂、参数多、收敛困难和样本数量庞大等特点，对深度学习硬件系统的计算能力提出了更高的要求。金年会GPU深度学习平台解决方案从计算加速、存储系统、网络系统、作业调度系统、集群管理及软件框架等方面进行整体的设计和优化，帮助用户解决深度学习在训练过程中所面临的海量计算问题，简化构建深度学习平台的难度，降低业务投入成本，赋能用户深度学习研究。可广泛应用于图像识别、人脸识别、语音识别、自然语言处理等应用场景。
面向深度学习用户设计的金年会Xmachine ，具有高并行、高吞吐、低时延等特点，各场景下输出强大运算能力。
存储系统采用金年会ParaStor分布式存储，提供充足的I/O聚合带宽，存储系统稳定可靠、具有线性扩展能力。
容器化学习平台实现快速环境部署及作业指派，有效降低多应用程序安装、迁移复杂度。
兼顾AI和HPC环境，丰富的调度策略，灵活的调度资源，优化集群资源利用，使训练过程更加高效、弹性。
金年会GPU深度学习平台计算系统采用金年会新一代 XMachine高性能GPU服务器组成大规模GPU训练、推理集群，输出强大算力；计算数据、日志log和模型数据等统一存储在金年会ParaStor300分布式并行存储中，能够实现全局文件的统一访问和并发读写；该系统支持Caffe/TensorFlow等多种主流深度学习框架、应用容器技术，提供数据集管理、模型管理、训练等服务。帮助用户解决多用户组资源分配、开发环境快速搭建、应用程序灵活迁移等技术需求。使用户在集群上轻松部署深度学习应用、跟踪试验和训练、发布模型，而无需关心繁琐部署运维，专注于核心业务。
更加细粒度的资源控制，按需弹性分配GPU计算资源，极大提高GPU利用率，能够高效、经济的为用户输出强大的计算力。
实现一键式环境部署，图形化管理，极大的简化了互联网企业构建深度学习平台的难度，助力用户高效发掘AI潜能，服务实际业务。
从分布式系统、分布式并行机器学习执行模式、机器学习算法工具集三个层面提供深度学习优化策略，帮助用户实现应用优化。
400-810-0466
Support@theyogaspectrum.com
津公网安备 12011602000521号
注册 /
