JAMK High Performance Computing<\/a>), joka kuvaa tarkemmin laskentapalvelimen arkkitehtuurin ja ohjelmistot.<\/p>\nLaskentapalvelimen k\u00e4ytt\u00f6kohteet ja suorituskyky<\/h2>\n
Laskentapalvelimen mahdollistamaa laskentatehoa k\u00e4ytt\u00e4\u00e4 p\u00e4ivitt\u00e4in projektissa mukana olevat noin 10 asiantuntijaa. Laskentaa vaativat ty\u00f6teht\u00e4v\u00e4t liittyv\u00e4t data-analytiikkaan, koneoppimiseen tai syv\u00e4oppimiseen. Lis\u00e4ksi laskentapalvelimelle on kehitetty drag-and-drop tyyppist\u00e4 k\u00e4ytt\u00f6liittym\u00e4\u00e4, jonka avulla selaimessa voidaan helposti toteuttaa haluttu neuroverkko.<\/p>\n
Noin vuoden aikana ei ole havaittu suorituskykyongelmia, vaikka usea asiantuntija ty\u00f6skentelee samanaikaisesti laskentapalvelimella ja ty\u00f6teht\u00e4v\u00e4t voivat sis\u00e4lt\u00e4\u00e4 eritt\u00e4in laskentaintensiivisi\u00e4 neuroverkkojen kouluttamiseen liittyvi\u00e4 ty\u00f6teht\u00e4vi\u00e4 sek\u00e4 suuria datamassoja. Esimerkiksi laskentapalvelimella on testattu WaveNet-neuroverkon opetus 5GB datasetill\u00e4, Autoencoder-neuroverkon opettamista Microsoftin Celeb-datasetill\u00e4 (yli miljoona v\u00e4rillist\u00e4 kuvaa ja koko preprosessoituna 37GB) ja CPU-laskenta testattu 500MT tiedostolla 64 s\u00e4ikeess\u00e4. Lis\u00e4ksi samanaikaisesti 4 neuroverkon opetusta ja yksi Apache Spark-ajo yht\u00e4 aikaa ei aiheuta mink\u00e4\u00e4nlaista viivett\u00e4. Tarkemmat suorituskykytestit tullaan tekem\u00e4\u00e4n kes\u00e4n 2020 aikana.<\/p>\n
Laskentapalvelimen testaaminen deepfaken avulla<\/h2>\n
Testasimme laskentapalvelimen suorituskyky\u00e4 tekem\u00e4ll\u00e4 deepfake-videon. Deepfaken avulla voidaan korvata automaattisesti toisen henkil\u00f6n kasvot videoon tai v\u00e4\u00e4rent\u00e4\u00e4 jonkun puhe\u00e4\u00e4nt\u00e4. Laskentapalvelimella tekem\u00e4mme deepfake-neuroverkon kouluttamiseen meni noin 12 tuntia.<\/p>\n
<\/p>\n