- Introdução
- Componentes do framework
- Document Understanding no AI Center
- Pipelines
- Pacotes de ML
- Gerenciador de Dados
- Serviços de OCR
- Licenciamento
- Referências
Requisitos de Hardware
A execução de Pacotes de ML do Document Understanding em uma GPU inclui uma otimização destinada a acelerar o processo de treinamento.
Como resultado, o treinamento em GPU é cinco vezes mais rápido do que em CPU (anteriormente era de 10 a 20 vezes mais rápido). Isso também possibilita treinar modelos em CPU com até 5.000 páginas (anteriormente eram 500 no máximo).
Esteja ciente de que os modelos de treinamento do Document Understanding na GPU exigem uma GPU com pelo menos 11 GB de RAM de vídeo para ser executado com sucesso.
Use a tabela abaixo para verificar a compatibilidade entre os Pacotes de ML, a versão CUDA e a versão do driver GPU.
Versão de pacotes de ML |
Versão CUDA |
Versão cudDNN |
Driver NVIDIA (versão compatível mais antiga) |
Geração de hardware |
---|---|---|---|---|
2020.10 |
CUDA 10.1 |
cudDNN 7.6.3 |
R418.40.04 |
Turing, Volta, Pascal, Maxwell, Kepler, Tesla k80 |
CUDA é retrocompatível, o que significa que os aplicativos CUDA existentes podem continuar a ser usados com versões CUDA mais recentes.
Mais informações sobre compatibilidade podem ser encontradas aqui