助力实现未来愿景
Future vision
医疗保健
医生们正在使用深度学习来分析大量数据和医学影像，以制定更高效、更准确的治疗方案，进而提高治愈率。
能源
从分析风型到推演用来获得最大发电量的最有利的方法，深度学习正在推动能源效率取得长足进展。
农业
机器学习和推理正在帮助农民减少杀虫剂的需要量，同时仍能够提高农作物产量。
金融
从欺诈检测和风险评估，再到市场预测，机器学习创造了未来级别的安全性。
制造
帮助工业仓库更高效地运转从没有像现在这样轻松。从防范丢失到预测某些机器何时将需要保养，认知技术在每一方面都能起到帮助作用。
集成 GPU 加速的软件
采用NVIDIA 技术的数据科学工作站配备基于NVIDIA CUDA-X AI打造且经过测试和优化的综合性堆栈。此堆栈采用RAPIDS数据处理和机器学习库、NVIDIA优化XGBoost、TensorFlow、PyTorch 及其他领先的数据科学软件，可为企业提供加速工作流程，以便提高数据准备、模型训练和数据可视化的速度。
特性和优势
Features and advanta
更大限度提高数据科学家的工作效率
利用可直接使用、完全集成的硬件和软件堆栈，立即提高工作效率。
加快模型开发和训练的速度
利用高性能NVIDIA RTX 和NVIDIA Quadro RTX GPU，更快速地 选代并移动到生产集群。
企业级的可靠性和支持
乐享可选的软件支持服务，获得NVIDIA开发的软件和容器，为数据科学家提供值得信赖的世界缓支持。
01
处理器
processor
该应用程序在很大程度上依赖GPU来执行计算，因此可以接受低内核计数和低时钟速度的处理器。
02
内存
Memory
基准测试表明，当系统内存量是图形卡内存的两倍（或更多）时，TensorFlow的性能最佳。>因此，如果您有一个RTX 3080卡（10GB），那么我们建议使用20GB 以上的RAM。
03
存储
Store
在分析和处理训练数据集时，该应用程序更依赖于读取数据而不是写入数据。
但是，不需要极高的读取速率，因此我们建议操作系统和程序文件使用512GB SSD。此外，由于深度学习需要处理大型数据集，因此在本地存储这些数据很重要。因此，根据您的存储需求，建议使用8TB硬盘（或多个硬盘驱动器）。
04
显卡
Graphics card
推荐支持Tensor Core的显卡，Tensor Float 32 (TF32) 精度提供的训练吞吐量达到上一代的 5 倍，而且无需更改代码即可加速 AI 和数据科学模型的训练。
例如
NVIDIA RTX A6000
NVIDIA GEFORCE RTX 3090
例如
NVIDIA RTX A6000
NVIDIA GEFORCE RTX 3090
飞天超算致力于以“绿色节能”的方式，让每一位客户成为全球绿色节能和降低碳排放的贡献者