- Erste Schritte
- Framework-Komponenten
- Document Understanding im AI Center
- Pipelines
- ML-Pakete
- Data Manager
- OCR-Dienste
- Lizenzierung
- Referenzen
Hardwareanforderungen
Das Ausführen der Document Understanding ML-Pakete auf einer GPU umfasst eine Optimierung, die den Trainingsprozess beschleunigen soll.
Infolgedessen ist das Training mit der GPU fünfmal schneller als mit der CPU (zuvor war es 10–20-mal schneller). Dadurch können auch Modelle mit der CPU mit bis zu 5000 Seiten trainiert werden (bisher waren es maximal 500).
Bitte beachten Sie, dass die GPU zum Trainieren von Document Understanding-Modellen mindestens 11 GB Video-RAM erfordert, um erfolgreich ausgeführt zu werden.
Verwenden Sie die folgende Tabelle, um die Kompatibilität zwischen den ML-Paketen, der CUDA-Version und der GPU-Treiberversion zu überprüfen.
ML-Paketversion |
CUDA-Version |
cudDNN-Version |
NVIDIA-Treiber (niedrigste kompatible Version) |
Hardware-Generation |
---|---|---|---|---|
2020.10 |
CUDA 10.1 |
cudDNN 7.6.3 |
R418.40.04 |
Turing, Volta, Pascal, Maxwell, Kepler, Tesla k80 |
CUDA ist abwärtskompatibel, d. h. vorhandene CUDA-Anwendungen können weiterhin mit neueren CUDA-Versionen verwendet werden.
Weitere Informationen zur Kompatibilität finden Sie hier.