所在位置：
首页 >
营销资讯 >
行业动态 > 实现GPU计算资源池化，对GPU算力（CUDA核心）和显存精细化切分
实现GPU计算资源池化，对GPU算力（CUDA核心）和显存精细化切分
时间：2022-04-11 05:15:01 | 来源：行业动态
时间：2022-04-11 05:15:01 来源：行业动态
，AI教育环境下可以提升GPU利用率4-10倍。
课程结束后，软件平台可以智能将GPU算力回收，继续分配给教师或者高年级研究生用于AI科研计算，实现教学和科研算力的无缝倒换。
FPGA是AI计算家族的另外一个重要成员。FPGA以硬件可编程，低延迟，低功耗，丰富的片上资源等诸多特性优势，使FPGA成为低延迟AI推理计算的解决方案选项，也成为很多科学研究和教学的硬件平台。
在线咨询
