# GPU云服务器 #
1
关注
7801内容
阿里云吴结生：高性能计算持续创新，响应数据+AI时代的多元化负载需求
在数字化转型的大潮中，每家公司都在积极探索如何利用数据驱动业务增长，而AI技术的快速发展更是加速了这一进程。
对话阿里云吴结生：AI时代，云上高性能计算的创新发展
在阿里云智能集团副总裁，弹性计算产品线负责人、存储产品线负责人 吴结生看来，如今已经有很多行业应用了高性能计算，且高性能计算的负载正呈现出多样化发展的趋势，“当下，很多基础模型的预训练、自动驾驶、生命科学，以及工业制造、半导体芯片等行业和领域都应用了高性能计算。”吴结生指出。
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日，2024云栖大会在杭州云栖小镇举行，阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家，共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力，及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点，专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练，并通过多个客户案例展示了云上大模型训练的显著优势。
|
Windows下如何配置TensorFlow？这有个简单明了的教程（支持GPU哦）
本文简单介绍如何在windows系统下配置TensorFlow并能使用GPU进行加速运算的过程，文章通俗易懂，更新及时。
|
浅析GPU通信技术（下）-GPUDirect RDMA
目录
浅析GPU通信技术（上）-GPUDirect P2P
浅析GPU通信技术（中）-NVLink
浅析GPU通信技术（下）-GPUDirect RDMA
1. 背景
前两篇文章我们介绍的GPUDirect P2P和NVLink技术可以大大提升GPU服务器单机的GPU通信性...
|
浅析GPU通信技术（上）-GPUDirect P2P
1. 背景
GPU在高性能计算和深度学习加速中扮演着非常重要的角色， GPU的强大的并行计算能力，大大提升了运算性能。随着运算数据量的不断攀升，GPU间需要大量的交换数据，GPU通信性能成为了非常重要的指标。
|
用GPU进行TensorFlow计算加速
小编说：将深度学习应用到实际问题中，一个非常大的问题在于训练深度学习模型需要的计算量太大。为了加速训练过程，本文将介绍如何如何在TensorFlow中使用单个GPU进行计算加速，也将介绍生成TensorFlow会话（tf.Session）时的一些常用参数。
免费试用