Die Konferenz findet vom 12. bis zum 16. April online statt und beginnt mit einer Keynote von NVIDIA CEO und Gründer Jensen Huang.

Auf der GTC 2021 wird Lanner darüber sprechen, wie Künstliche Intelligenz in einem vernetzten System so strukturiert werden kann, dass die KI-Workloads innerhalb der Edge-Netzwerke optimal verteilt werden können. Zunächst werden wir uns einige NVIDIA-Lösungen ansehen, die beim Kunden zur Beschleunigung von KI in der Peripherie eingesetzt werden. Dann werden wir uns mit der hypokonvergenten Infrastruktur im Rechenzentrum beschäftigen.

In den GTC-Sessions von Lanner wird es um folgende Themen gehen:
KI-gesteuerter hyperkonvergenter MEC-Server ermöglicht intelligente Transportsysteme

Alle innovativen Fuhrparks generieren riesige Datenmengen, die möglichst schnell und effektiv verwaltet werden müssen. Deswegen werden die Verarbeitung, die Speicherung und die Weiterleitung dieser Daten in eine hyperkonvergente Infrastruktur integriert, die alle Virtualisierungskomponenten in der Software vereinfacht und zusammenführt. Lanner hat einen hyperkonvergenten MEC-Server entwickelt, der High-Performance-Computing sowie umfassende Speicher- und Netzwerkfunktionen nahtlos in einer einzigen Appliance integriert. Zusammen mit dem NVIDIA T4 Tensor Core GPU steuert der MEC-Server die unterschiedlichen Aufgaben, die in einem Taxiunternehmen anfallen. Dazu zählen z. B. Notruffunktionen, Videoüberwachungssysteme und standortbezogene Dienste. Dank der hohen Speicherdichte kann der FX-3420 alle für Kundenanalysen und Bedarfsprognosen notwendigen Daten aufzeichnen.

Aufbau effizienter und intelligenter Netzwerke mit der KI-Platform für das Edge-Computing
Edge-Computing erfordert Multitasking-Workloads am Edge-Computing-Standort, um die Latenz, den Stromverbrauch und den Platzbedarf zu reduzieren. Da einige der Workloads auf den IoT-Geräten beim Kunden GPU-Funktionen für die Videoverarbeitung nutzen können, ist für weitere Analysen eine offene und skalierbare Netzwerkplattform für beschleunigte KI-Workloads am Service-Provider-Edge erforderlich. Auf der zentralisierten Rechenzentrumsplattform sind sogar noch weitergehende Analysen nötig. In dieser Session wird Lanner gemeinsam mit Tensor Network erörtern, wie das KI-Netzwerk von NVIDIA strukturiert werden kann und wie die KI-Workloads innerhalb dieses Netzwerks verteilt werden können. Zunächst werden wir uns einige NVIDIA-Lösungen ansehen, die beim Kunden zur Beschleunigung von KI in der Peripherie eingesetzt werden. Dann werden wir uns mit der hypokonvergenten Infrastruktur im zentralen Rechenzentrum beschäftigen.

Edge-KI-Inferenz und NGC-Ready Server: Eine Hardware-Lösung
Durch die starke Nachfrage nach leistungsfähigen KI-Lösungen und das wachsende Angebot an entsprechenden Produkten und Dienstleistungen werden heute höhere Anforderungen an die Hardware und das Edge-Netzwerk gestellt. Für Edge-KI-Workloads gilt, dass eine effiziente und durchsatzstarke Inferenz vor allem von der Computing-Plattform abhängt. Moderne KI-Anwendungen müssen in der Lage sein, die beim Deep Learning auftretenden Inferenz-Herausforderungen zu meistern. Hier geht es vor allem um Latenz, Zuverlässigkeit und die Unterstützung von Multi-Präzisions-ANNs. Der LEC-2290E wurde von Lanner selbst für den sicheren Remote-Betrieb und beschleunigte Workloads mit der Tesla T4 Tensor Core GPU entwickelt, gebaut und validiert. Daher ist er für optimierte NGC-Implementierungen sofort einsatzbereit. Durch die verschiedenen Softwarelösungen, die für Edge-to-Core-Lösungen GPU-optimiert wurden, können die NVIDIA GPU CLOUD (NGC) KI-Lösungen für das Edge-Computing in intelligenten Netzwerken beschleunigt werden.

Lassen Sie sich diese Konferenz nicht entgehen. Die Registrierung ist KOSTENLOS und verschafft Ihnen Zugang zu allen Live-Sessions, interaktiven Panels, Demos, Präsentationen von Forschungspostern und vielem mehr.

Details zur Veranstaltung
Datum: 12. April – 16. April
Registrierungs-Link für die GTC21:
https://www.nvidia.com/…

Website: www.lannerinc.com