> Detailanzeige

Alic, Andy S. [Verfasser:in]; Antonacci, Marica [Verfasser:in]; Caballer, Miguel [Verfasser:in]; Campos, Isabel [Verfasser:in]; Costantini, Alessandro [Verfasser:in]; David, Mario [Verfasser:in]; Dlugolinsky, Stefan [Verfasser:in]; Donvito, Giacinto [Verfasser:in]; Duma, Cristina [Verfasser:in]; Gomes, Jorge [Verfasser:in]; Hardt, Marcus [Verfasser:in]; Heredia, Ignacio [Verfasser:in]; Hluchy, Ladislav [Verfasser:in]; Ito, Keiichi [Verfasser:in]; Kozlov, Valentin [Verfasser:in]; Lloret, Lara [Verfasser:in]; López García, Alvaro [Verfasser:in]; Marco, Jesus [Verfasser:in]; Matyska, Ludek [Verfasser:in]; Moltó, Germán [Verfasser:in]; Nguyen, Giang [Verfasser:in]; Orviz, Pablo [Verfasser:in]; Plociennik, Marcin [Verfasser:in]; Šustr, Zdeněk [Verfasser:in]; [...]

DEEP: Hybrid Approach for Deep Learning

Literatur-
verwaltung

Zur
Merkliste

Lösche von
Merkliste

Per Whatsapp teilen

Schließen

Merkliste



Sie können Bookmarks mittels Listen verwalten, loggen Sie sich dafür bitte in Ihr SLUB Benutzerkonto ein.
  • Medientyp: Sonstige Veröffentlichung; E-Artikel; Elektronischer Konferenzbericht
  • Titel: DEEP: Hybrid Approach for Deep Learning
  • Beteiligte: Alic, Andy S. [Verfasser:in]; Antonacci, Marica [Verfasser:in]; Caballer, Miguel [Verfasser:in]; Campos, Isabel [Verfasser:in]; Costantini, Alessandro [Verfasser:in]; David, Mario [Verfasser:in]; Dlugolinsky, Stefan [Verfasser:in]; Donvito, Giacinto [Verfasser:in]; Duma, Cristina [Verfasser:in]; Gomes, Jorge [Verfasser:in]; Hardt, Marcus [Verfasser:in]; Heredia, Ignacio [Verfasser:in]; Hluchy, Ladislav [Verfasser:in]; Ito, Keiichi [Verfasser:in]; Kozlov, Valentin [Verfasser:in]; Lloret, Lara [Verfasser:in]; López García, Alvaro [Verfasser:in]; Marco, Jesus [Verfasser:in]; Matyska, Ludek [Verfasser:in]; Moltó, Germán [Verfasser:in]; Nguyen, Giang [Verfasser:in]; Orviz, Pablo [Verfasser:in]; Plociennik, Marcin [Verfasser:in]; Šustr, Zdeněk [Verfasser:in]; [...]
  • Erschienen: KITopen (Karlsruhe Institute of Technologie), 2019-12-05
  • Sprache: Englisch
  • Schlagwörter: Scientific Software Development ; DATA processing & computer science ; AI/Machine Learning/Deep Learning ; Heterogeneous Systems ; Clouds and Distributed Computing
  • Entstehung:
  • Anmerkungen: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Beschreibung: The DEEP-HybridDataCloud project researches on intensive computing techniques such as deep learning, that require specialized GPU hardware to explore very large datasets, through a hybrid-cloud approach that enables access to such resources. We understand the needs of our user communities and help them to combine their services in a way that encapsulates technical details the end user does not have to deal with.