摘要：
NVIDIA GPU上的Tensor线性代数 cuTENSOR库是同类中第一个GPU加速的张量线性代数库，提供张量收缩，归约和逐元素运算。cuTENSOR用于加速在深度学习训练和推理，计算机视觉，量子化学和计算物理领域的应用。使用cuTENSOR，应用程序会自动受益于常规性能的改进和新的GPU架构。 阅读全文
摘要：
CUDA数学库 高性能数学例程 CUDA数学库是经过行业验证的，高度准确的标准数学函数的集合。只需在源代码中添加“ #include math.h”，即可用于任何CUDA C或CUDA C ++应用程序，CUDA Math库可确保应用程序受益于针对每种NVIDIA GPU架构进行了优化的高性能数学例 阅读全文
摘要：
NVIDIA GPU上的随机数生成 NVIDIA CUDA随机数生成库（cuRAND）提供高性能的GPU加速的随机数生成（RNG）。cuRAND库使用NVIDIA GPU中提供的数百个处理器内核，将质量随机数提高了8倍。cuRAND库包含在NVIDIA HPC SDK和CUDA Toolkit中。 阅读全文
摘要：
NVIDIA GPU上的直接线性求解器 NVIDIA cuSOLVER库提供了密集且稀疏的直接线性求解器和本征求解器的集合，它们为计算机视觉，CFD，计算化学和线性优化应用程序提供了显着的加速。cuSOLVER库包含在NVIDIA HPC SDK和CUDA Toolkit中。 cuSOLVER性能 阅读全文
摘要：
GPU上稀疏矩阵的基本线性代数 cuSPARSE库为稀疏矩阵提供了GPU加速的基本线性代数子例程，这些子例程的执行速度明显快于仅CPU替代方法。提供了可用于构建GPU加速求解器的功能。cuSPARSE被从事机器学习，计算流体力学，地震勘探和计算科学等应用的工程师和科学家广泛使用。使用cuSPARSE 阅读全文
摘要：
GPU上的基本线性代数 cuBLAS库提供了基本线性代数子例程（BLAS）的GPU加速实现。cuBLAS通过针对NVIDIA GPU进行了高度优化的嵌入式行业标准BLAS API来加速AI和HPC应用程序。cuBLAS库包含用于批处理操作，跨多个GPU的执行以及混合和低精度执行的扩展。使用cuBLA 阅读全文
摘要：
NVIDIA数据中心深度学习产品性能 在现实世界的应用程序中部署AI，需要训练网络以指定的精度融合。这是测试AI系统的最佳方法-准备将其部署在现场，因为网络随后可以提供有意义的结果（例如，对视频流正确执行图像识别）。不收敛的训练是对指定AI网络上硬件吞吐能力的衡量，但不能代表实际应用。 NVIDIA 阅读全文
摘要：
GeforceRTX系列参数对比 阅读全文
摘要：
NVIDIA CUDA-X AI 面向数据科学和 AI 的 NVIDIA GPU 加速库 数据科学是推动 AI 发展的关键力量之一，而 AI 能够改变各行各业。 但是，驾驭 AI 的力量是一个复杂挑战。 开发基于 AI 的应用程序涉及许多个步骤（包括数据处理、特征工程、机器学习、验证和部署），而且每 阅读全文
摘要：
NVIDIA 认证系统 AI 是这个时代最强大的技术，需要新一代经过调整和测试的计算机来推动其发展。 自 1 月 27 日开始，可从 NVIDIA 合作伙伴处获取用于数据中心的新型加速服务器，推动 AI 和数据分析的发展。顶尖的系统制造商正在交付首批 NVIDIA 认证系统，目前业内唯一通过现代工作 阅读全文