15 июля 2024г.
Очень подробная инструкция, скриншоты сделаны, практически, на каждое действие, причем, с пояснениями. Описано создание двух виртуальных машин, в которые пробрасывается оборудование видеокарты, звука, клавиатуры, мыши. Одна для ОС Линукс, другая для ОС Windows 10 с отражением особенностей настроек для каждой операционной системы.
Покупка видеокарты на вторичном рынке может выглядеть заманчивым предприятием. Ведь это может помочь с экономией средств в условиях ограниченного бюджета на сборку ПК. Вторичный рынок позволяет купить потенциально более мощную модель и заплатить меньше, чем в обычном магазине. И многим кажется, что достаточно просто проверить карточку на целостность пломб и отсутствие масляных потеков, которые оставляют термопрокладки. Но даже если вам позволят разобрать ее, а продавец поклянется, что не использовал карточку для майнинга, подобная экономия в будущем может обернуться серьезными расходами. Почему? Давайте разберемся вместе.
Вряд ли кто-то поспорит, что потенциал нейросетей обширен — мы как раз говорили об этом в нашей предыдущей статье и в комментариях к ней. Но, если честно, настолько же ограничено их применение в быту. Нарисовать картинку, составить меню, перевести текст с иностранного языка на родной – придумать что-то сверх этого не так-то просто. Но Nvidia, которая недавно уже запустила нейросеть Chat with RTX для работы на локальном ПК, теперь представила свою новую разработку под названием G-Assist. Посмотрим, на что она способна.
Быть или не быть VGA-видеокарте на советских микросхемах?!
Всё же быть! Представляю Вашему вниманию VGA-видеокарту!
Сборка компьютера — казалось бы, простая задача. Взять компоненты и просто соединить их друг с другом внутри системного блока. Но бывают ситуации, что видеокарта, как самый большой компонент, попросту не помещается в корпусе или помещается, но мешает нормальному охлаждению всей системы. Если вы не готовы поменять корпус или замена корпуса в вашем случае по-прежнему ничего не решает, можно использовать райзеры. О том, что это такое (если вдруг кто не знает), как они устанавливаются, какие бывают и влияют ли на производительность видеокарт, мы расскажем в этой статье.
Что самое главное в изображении? Конечно, его качество. Чем ближе к реальности выглядит объект на картинке, тем визуально привлекательнее он нам кажется. Во многом на восприятие изображения влияет освещение и затенение, которого в компьютерной графике помогает добиться трассировка лучей. О ней мы сегодня и поговорим.
Собрать игровой компьютер без ограничений по бюджету гораздо проще, чем народный ПК под универсальные задачи. Даже если есть примерное понимание, от чего следует отталкиваться в первую очередь, на этапе подбора комплектующих неизменно возникнет какая-нибудь сложность. Поневоле захочется либо потратиться чуть больше, либо посильнее сэкономить. Но тогда есть риск получить на выходе не самое лучшее решение. В этой статье мы предложим вашему вниманию наше видение народной сборки.
Всем привет! Меня зовут Алексей Рудак и я основатель компании Lingvanex, которая занимается решениями в области машинного перевода и транскрипции речи. Для нашей работы мы постоянно тренируем языковые модели. Наша команда использует десятки разных видеокарт, выбранных под разные задачи: где-то нужна мощная станция DGX, а где-то достаточно старой игровой карты типа RTX 2080Ti. Выбор оптимальной конфигурации GPU сэкономит вам не только время на тренировку, но и деньги.
Интересно то, что в интернете довольно мало статей с тестами GPU именно для скорости тренировки языковых моделей. В основном встречаются только тесты inference. Когда вышел новый чип H100, в отчете NVidia было указано, что при тренировке он быстрее A100 до девяти раз, но для наших задач новая карта оказалась всего на 90% быстрее старой. Для сравнения: у наших облачных провайдеров разница в цене между этими GPU составляла 2 раза, поэтому переходить на новый H100 для экономии денег смысла не было.
В дополнение к этому мы брали на тест станцию DGX, которая состоит из 8 видеокарт A100 80GB и стоит 10 тысяч долларов в месяц. После теста стало ясно что соотношение цена / производительность этой станции нас полностью не устраивает и за эти деньги мы можем взять 66 x RTX 3090, которые в сумме принесут гораздо больше пользы.
Наши языковые модели для перевода имеют до 500 миллионов параметров (в среднем от 100 млн до 300 млн). Возможно, если значительно увеличить кол-во параметров, то соотношение цена / производительность от DGX станет лучше. На данный момент мы не тренируем большие языковые модели, которые могут переводить сразу между всеми языками во всех вариациях, а применяем отдельные языковые модели под каждую языковую пару, например англо-немецкую. Каждая из таких моделей занимает от 120 до 300 Mb.
Привет, Хабр! Меня зовут Артем Чебыкин, я ML-инженер и автор медиа вАЙТИ. В этой статье я расскажу о том, какой тип компьютера: стационарный, ноутбук или макбук — больше всего подходит для машинного обучения и почему. Также рассмотрим начальный и продвинутый вариант сборки для машинного обучения больших языковых моделей (LLM).
Современный рынок компьютерной техники предлагает широкий выбор процессоров и видеокарт на любой вкус и кошелек. Для неопытного пользователя сделать правильный выбор может быть непростой задачей. Тем более, если предстоит покупка двух этих важных компонентов сразу. Данная статья поможет разобраться в существующих моделях и подобрать оптимальную конфигурацию в зависимости от ваших потребностей и бюджета.
Всем привет! С вами Ш. Сергей и я продолжаю разрабатывать видеоадаптер. В прошлой статье я рассказывал о возможности создания одного из простейших видеоадаптеров.
В этой статье будет задета возможность вывода символов на наш виртуальный монитор.
Использовать будем Logisim Evolution 3.8.0.
Lenovo, один из ведущих мировых производителей компьютерной техники, снова привлекает внимание своими хитрыми и необычными разработками. Недавно компания представила уникальное решение, позволяющее использовать встроенный слот M.2 не только для расширенного хранилища данных, к чему мы все привыкли, но и для установки дискретного графического процессора. Это не значит, что новые ГПУ-шки будут размером с SSD М.2 2280 — тут все сложнее, — но сама концепция очень интересна. По крайней мере, не надо иметь инженерного образования, чтобы понять, что новинка может значительно расширить возможности пользователей и предоставить больше гибкости в выборе конфигурации своих устройств. А может этого и не сделать… Поэтому давайте немного разберемся, что это.
Статьи про новые и производительные видеокарты являются самыми популярными в нашем блоге. Интерес к ним понятен: это самые дорогостоящие и мощные компоненты практически любой сборки. Даже если вы не относите себя к фанатам компьютерных игр, вы почти наверняка захотите узнать, что такого необычного могут предложить современные GPU. Но одно дело — новые и дорогие видеокарты, которые могут в 4К и 120 fps и совершенно другое — старенькие и дешевые. Однако даже они сохраняют актуальность и спустя 5–7 лет с момента релиза.
Меня всегда интересовало, как же реализуются видеоадаптеры и искал примеры как их можно реализовать. Я много занимаюсь разной разработкой, в основном программированием, но периодически вспоминаю радиотехнику/схемотехнику. И, исходя из опыта программирования и не только я вспомнил об одной достаточно важной вещи: если хочешь что‑то реализовать, начни с самого простого и потом дорабатывай полученный результат. Таким образом можно будет понять, что же мы всё‑таки хотим сделать и правильным ли путём идём?
Тот вариант, что я рассмотрю, придуман не мной. И, это один из вариантов реализации простейшего видеоадаптера, коих было достаточно не мало, если вы вспомните разнообразные компьютера, приставки, консоли и прочее.
Для понимания. Создание видеокарты/видеоадаптера не просто и не сложно. Надо понять что вы хотите, что будет делать ваша видеокарта.
Обилие “железных” конфигураций ПК, разный характер требований пользователей и несовпадающее позиционирование делает выявление лучших видеокарт задачей практически невыполнимой. Ну, разве можно сравнивать GeForce RTX 4060, Nvidia T1000 и Intel ARC 770? В принципе, да, но дело это крайне неблагодарное. Тем удивительнее слышать, что кто-то все же сумел выявить лидера, пусть и исключительно в своем сегменте, и присудил это звание видеокарте Radeon RX 7900 GRE.
Самые крутые видеокарты GeForce оказались в дефиците во многих странах мира из-за массового спроса со стороны Китая. Там они используются в основе супер-компьютеров, применяемых для развития нейросетей. Nvidia не могла не догадываться, в каком ключе используются ее видеокарты, обладающие колоссальным вычислительным потенциалом. И, вместо того, чтобы бороться с этой инициативой, решила возглавить ее и запустила свой собственный чат-бот Chat with RTX.
С развитием генеративного искусственного интеллекта (ИИ) и расширением сфер его применения создание серверов с искусственным интеллектом стало критически важным для различных секторов — от автопрома до медицины, а также для образовательных и государственных учреждений.
Эта статья рассказывает о наиболее важных компонентах, которые влияют на выбор сервера для искусственного интеллекта, — о центральном и графическом процессорах (CPU и GPU). Выбор подходящих процессоров и графических карт позволит запустить суперкомпьютерную платформу и значительно ускорить вычисления, связанные с искусственным интеллектом на выделенном или виртуальном (VPS) сервере.
AMD готовится к запуску процессоров на базе архитектуры Zen 5. Линейку переведут на новый, более современный техпроцесс производств и за счет этого выжмут из нее большую производительность, чем у семейства Zen 4. Официально дата релиза еще не названа, но ожидается, что компания проведет презентацию ближе к середине лета, и еще до наступления осени компьютеры с новыми процессорами поступят на рынок. Но обо всем по порядку.
