spainter_vfx——stock.adobe.com
GPU实施大约超过深度学习
Simulmedia正在使用GPU技术来增强报表工具，同时着眼于未来的深度学习应用程序，帮助证明硬件成本的合理性，同时构建体验。
当你考虑一个典型的GPU实现时，你可能会想到一些高级的AI应用。但这并不是企业使用芯片的唯一地方。
“(gpu)显然适用于谷歌、Facebook和做人工智能的公司。但对于像我们这样的初创公司来说，必须以今天的商业价值来证明资本支出的合理性，我们仍然希望以那样的速度进行投资。
这家总部位于纽约的广告技术公司正在使用图形处理器进行相当传统的处理，比如数据报告和商业智能仪表盘,工作得更快。通过使用MapD平台，Simulmedia建立了一个报告和数据查询工具，使销售人员和组织中的其他人员能够可视化某些电视广告的表现，并在客户提出任何问题时回答他们。
使用GPU超过深度学习
凯尔·休伯特GPU技术今天得到了很多关注，主要是由于企业如何使用它。这些芯片为一些最先进的人工智能用例的训练提供动力，比如图像识别，自然语言翻译和自驾车。但是，当然，它们最初是为电源视频游戏图形而构建的。他们的主要吸引力是快速处理能力。虽然这可能对促进来说至关重要神经网络要处理上百万个训练例子，也有其他的用例，来自GPU实现的速度是有益的。
Simulmedia成立于2008年，帮助客户更好地在电视网络上投放广告。最初，该团队使用电子表格来跟踪客户的广告执行情况。但数据太大了——Simulmedia结合了Nielsen和Experian的数据集来定位广告并评估效果——而且可视化选项也太有限了。
报告必须由运营团队来构建，而且几乎没有能力做ad hoc查询。MapD工具使销售和产品管理团队能够查看数据可视化报告，并使用图形界面或通过SQL代码执行自己的查询。
业务焦点在GPU经验中得到回报
有很多隐含的知识，需要获得GPU和运行。 凯尔·休伯特CTO，Simulmedia
GPU实施的一些好处专注于标准业务流程，超越简单地加快该过程。Hubert表示，它还准备营业以更普遍的方式实施筹码并为A做好准备更AI-driven未来。
他说，预测哪个广告在特定时隙和某些网络上的表现将是最佳的数据科学。Simulmedia正在考虑为其目标添加深度学习，这些模型将在gpu上进行训练。Hubert表示，在标准的商业应用中开始使用GPU有助于团队建立一个坚实的基础，在此基础上构建更多的GPU能力。
“有很多隐含的知识，需要加上GPU和跑步，”他说。
除了通过将芯片应用于更多传统用途的GPUS工作方式建立机构知识，还有助于为成本合理地证明这可能很大。
“当你说的时候，他们昂贵，”我想要一堆GPU，我不知道我要得到什么样的结果，“侯伯特说。“当你不知道你的回报时，这是很多资本投资。当你做双轨方法时，你可以说，”我可以得到这些GPU，现在为商业用户设置他们，我有一个具体的能力立即满足。然后，我可以雕刻其中一些是未来的看。“
