TERA

AI 도구를 사용하면 다음을 수행할 수 있습니다.

• Intel® CPU 및 GPU에서 훈련하고 Intel®에 최적화된 TensorFlow* 및 PyTorch*용 딥 러닝 프레임워크, 사전 훈련된 모델 및 모델 최적화 도구를 사용하여 AI 개발 워크플로에 빠른 추론을 통합합니다.
• 컴퓨팅 집약적인 Python 패키지, Modin*, scikit-learn* 및 XGBoost를 사용하여 데이터 전처리 및 기계 학습 워크플로를 위한 드롭인 가속화를 달성합니다.
• 소프트웨어가 원활하게 작동하도록 보장하기 위해 Intel의 분석 및 AI 최적화에 직접 액세스하십시오.

특징

최적화된 딥러닝

• TensorFlow 및 PyTorch를 포함하여 Intel에 최적화된 널리 사용되는 프레임워크를 활용하여 Intel 아키텍처의 모든 기능을 활용하고 훈련 및 추론을 위한 고성능을 제공합니다.
• 최고의 성능을 위해 인텔에서 최적화한 오픈 소스, 사전 훈련된 기계 학습 모델을 사용하여 개발을 가속화합니다.
• 정확도가 낮은 최적화를 사용하여 성능, 모델 크기 또는 메모리 공간과 같은 추가 목표와 함께 자동 정확도 기반 조정 전략을 활용하세요.

데이터 분석 및 기계 학습 가속화

• Intel 아키텍처에 최적화된 scikit-learn 및 XGBoost의 알고리즘을 사용하여 기계 학습 모델의 정확성과 성능을 높입니다.
• Scikit-learn용 Intel 확장을 사용하여 클러스터로 효율적으로 확장하고 분산 기계 학습을 수행합니다.

고성능 Python

• Intel 아키텍처에 최적화된 기본 명령어 세트를 통해 가장 널리 사용되고 가장 빠르게 성장하는 AI 및 데이터 분석용 프로그래밍 언어를 활용해 보세요.
• 기존 Python 코드에 대한 드롭인 성능 향상을 사용하여 대규모 과학 데이터 세트를 더 빠르게 처리합니다.
• 매우 효율적인 멀티스레딩, 벡터화 및 메모리 관리를 달성하고 클러스터 전체에서 과학적 계산을 효율적으로 확장합니다.

다중 노드 DataFrame 전반에 걸쳐 단순화된 확장

• 초경량 병렬 DataFrame인 Modin의 Intel 배포판을 사용하여 단 한 줄의 코드 변경만으로 Pandas 워크플로를 멀티코어 및 멀티 노드로 원활하게 확장하고 가속화합니다.
• HDK(이기종 데이터 커널), Dask*, Ray 또는 HEAVY.AI*와 같은 고성능 백엔드로 데이터 분석을 가속화합니다.