- Details
Ab heute Morgen sind die besten Ressourcen unseres Computerclusters den Projekten Folding@home und Gene@home (durch TN-Grid in BOINC) gewidmet, die direkt untersuchen, wie COVID19 mit dem menschlichen ACE2-Rezeptor interagiert. Rosetta@home und GPUGRID befassen sich teilweise auch mit COVID19 und dort haben wir bereits einen mehrjährigen Beitrag. Deep Space Computing unterstützt mit seinen CUDA Superrechnern auch mehrere andere Projekte zur Bekämpfung häufiger Krankheiten. Unser Computercluster wurde hauptsächlich mit recycelten Computern aufgebaut, die mit gebrauchten Grafikkarten aufgeladen sind.
- Details
Hydrique ist der führende Anbieter von hydrologischen Prognosen in der Schweiz und im Ausland. Deep Space Computing bietet Hardware-Beratung und hilft Hydrique dabei, vorhandene proprietäre Deep Learning-Algorithmen so zu verbessern, dass sie auf Grafikkarten ausgeführt werden können.
- Details
Logobject, der führende Anbieter von Logistik- und Workforce-Lösungen im In- und Ausland, beauftragt deep space computing während 5 Monaten mit der Anwendung von Deep Learning- und Containerinfrastrukturaufgaben aufs Scheduling. Es wird unter anderem auch ein Kubernetes-Cluster aufgesetzt.
- Details
Deep Space eröffnet das Asset Optimization Day 2019 in Bern mit einem Einführungsvortrag über Deep Learning am Freitag, 6 Dezember. Das vollständige Programm der Konferenz ist hier. Hier kann man die Präsentation "Einführung ins Deep Learning" herunterladen.
- Details
Docker ist eine leichte Virtualisierungstechnologie, bei der Anwendungen in Containern ausgeführt werden und im Grunde nur Dateisystem und Netzwerk virtualisiert werden. Ein Linux-Kernel führt alle Container aus und macht einen Kompromiss zwischen Geschwindigkeit (viel schneller als bei gewöhnlicher Virtualisierung) und Isolation (weniger isoliert als bei gewöhnlicher Virtualisierung).
Wir implementieren und führen Docker auf dem Rechnerverbund aus: Wir haben ein lokales Registry mit vielen Images installiert: eines enthält Tensorflow, das für Deep Learning-Aufgaben auf geeignete GPUs optimiert ist, mehrere Boinc-Clients, eine dockerisierte Deltsql-Instanz und andere Bilder wie Portainer zur Unterstützung der Cluster-Verwaltung
Seite 2 von 4
