Actu IA: Tesla V100, Google Home et industrie 4.0

Cette semaine, nous allons revenir sur plusieurs points présen­tés lors de la Google I/O. Notam­ment, la présen­ta­tion de la Nvidia Tes­la  V100 des­tinée au Deep Learn­ing et des sta­tions de tra­vail comme la DGX-1 et la Vol­ta. Nous par­lerons aus­si de Google Home et de Lens. Enfin, nous ver­rons une librairie et un out­ils bien pra­tique pour l’entre­prise 4.0.

La Nvidia Tes­la V100: GPU de nou­velle généra­tion le GV100 « Vol­ta », gravé en 12 nm. 5120 cœurs Cuda cadencés en pointe à 1455 MHz et capa­bles de délivr­er une puis­sance de cal­cul de 7,5 téraflops en dou­ble pré­ci­sion (15 téraflops en sim­ple pré­ci­sion). Pour pren­dre en charge au mieux les appli­ca­tions de Deep Learn­ing, 640 Ten­sor Cores sont inté­grés par Nvidia. Ils per­me­t­tent d’effectuer un très grand nom­bre de cal­culs, 120 téraflops (en 16 et 32 bits). 16 Go de mémoire HBM2 à 900 Go/s sont présents. Une sta­tion de tra­vail Vol­ta à 69.000 dol­lars: 4 Tes­la V100. DGX-1 équipé de 8 Tes­la V100. 60 téraflops en dou­ble pré­ci­sion, 120 téraflops en sim­ple pré­ci­sion, 960 téraflops en Deep Learn­ing : 149 000 dol­lars.

Assis­tant per­son­nel: Google Home, l’enceinte con­nec­tée qui intè­gre l’Assistant Google, sera en mesure de fournir des infor­ma­tions de façon proac­tive. Par exem­ple, en obser­vant le con­tenu de l’application Cal­en­dri­er, elle pour­ra détecter un ren­dez-vous et aver­tir vocale­ment son pro­prié­taire si elle con­state que le traf­ic routi­er est dense et qu’il risque d’être en retard.

L’Assistant Google sera doté de la fonc­tion Lens qui mêle recon­nais­sance d’image, réal­ité aug­men­tée, appren­tis­sage automa­tique pour analyser l’environnement et agir de façon con­textuelle. Et ceci via l’appareil pho­to du smart­phone !

Dans l’indus­trie 4.0, on ne par­le plus de main­te­nance préven­tive, mais de main­te­nance “pré­dic­tive”. Pour cela, on utilise des cap­teurs pour col­lecter un max de don­nées, mais surtout d’exploiter l’historique des pannes pour mod­élis­er un sché­ma de pannes. Des tech­nolo­gies d’apprentissage automa­tique (ou machine learn­ing) telles qu’Apache Mahout, SparkM­L­lib sont par­ti­c­ulière­ment per­ti­nentes pour que les algo­rithmes « appren­nent » à recon­naître les nou­veaux événe­ments et défail­lances lorsqu’ils survi­en­nent.

Laisser un commentaire

Fièrement propulsé par WordPress | Thème : Baskerville 2 par Anders Noren.

Retour en haut ↑

%d blogueurs aiment cette page :