XiaoMi-AI文件搜索系统
World File Search SystemNVIDIA
采用瞻博网络 Apstra、NVIDIA GPU 和 WEKA 存储的 AI 数据中心网络 - 瞻博网络验证设计 (JVD)
• 性能监控和错误分析：遥测系统跟踪与 AI 模型相关的关键性能指标，例如准确度、精确度、召回率和计算资源利用率（例如 CPU、GPU 使用率），这些指标对于评估训练和推理作业期间的模型有效性至关重要。这些系统还可以深入了解训练和推理操作期间的错误率和故障模式，并帮助识别可能影响 AI 性能的问题，例如模型漂移、数据质量问题或算法错误。这些系统的示例包括 Juniper Apstra 仪表板、TIG Stack 和 Elasticsearch。
委员会批准 NVIDIA 收购 Run:ai
由于 Run:ai 目前的收入微不足道，该交易未达到欧盟条例规定的申报门槛。根据意大利竞争法的要求，该交易在意大利进行了申报，国家竞争管理局使用其“召集”权力提出请求。此类权力使意大利当局能够审查不符合相关国家营业额门槛的交易，如果意大利当局发现交易可能对竞争构成具体风险，并且满足意大利竞争法规定的其他条件。意大利根据欧盟条例第 22(1) 条向委员会提交了转介请求。该规定允许成员国请求委员会审查不具有欧盟层面但影响单一市场内贸易并有可能严重影响提出请求的成员国境内竞争的合并。2024 年 10 月 31 日，委员会接受了意大利的请求，并于 2024 年 11 月 15 日将该交易通知委员会。
NVIDIA 技术访问使用条款
1. 简介 TOU 规范您对某些 NVIDIA 网站（以下简称“网站”）的使用和访问，以及对网站上的服务和产品的使用（网站及其服务和产品统称为“技术”），除非该技术附有单独的协议。通过注册使用该技术或访问该技术，您确认您已阅读、理解并同意受 TOU 约束。只有达到使用该技术所在国家/地区法定成年年龄的成年人才能接受 TOU。如果您代表公司或其他法律实体签署 TOU，则表示您拥有约束该实体遵守 TOU 的法定权力，在这种情况下，“您”是指您所代表的实体。如果您未达到接受 TOU 所需的年龄或权力，或者您不接受 TOU 的所有条款和条件，请勿访问或使用该技术。从网站，您可以访问和使用某些技术，包括：
Blackwell -AI
NVIDIA Blackwell体系结构引入了生成AI和加速计算的开创性进步。将第二代变压器引擎的结合与更快和更宽的NVIDIA NVLINK™互连一起，将数据中心推向了一个新时代，与以前的建筑生成相比，其性能更高。NVIDIA机密计算技术的进一步进步提高了实时LLM推论的安全性水平，而无需绩效妥协。和Blackwell的新型减压引擎以及Spark Rapids™库结合使用，将无与伦比的数据库性能传递到燃料数据分析应用程序。Blackwell的多个进步建立在几代加速计算技术的基础上，以定义具有无与伦比的性能，效率和规模的生成AI的下一章。
NVIDIA DGX BasePOD：企业 AI 的基础设施基础
企业内部 AI 的使用案例数量（包括语言建模、网络安全、自主系统和医疗保健等）持续快速增长。不仅使用案例数量在增长，模型复杂性和数据源也在增长。处理、训练和服务这些下一代模型所需的系统也必须增长。训练模型通常使用数十个 GPU 来评估和优化不同的模型配置和参数。对于这些新的工作负载，所有 GPU 都必须能够轻松访问训练数据。此外，组织有许多 AI 研究人员必须同时训练多个模型。企业需要灵活性，以便多个开发人员和研究人员在完善 AI 堆栈并将其投入生产时共享这些资源。
NVIDIA AI Aerial：常见问题解答
与任何 C/C++ 程序一样，CUDA 程序不会在编译器优化之外自行优化。我们建议使用 NsightSystems 和 NsightCompute 对代码进行分析，以识别和优化瓶颈。如果用 CUDA 编写的程序需要优化，我们建议遵循 https://docs.nvidia.com/cuda/cuda-c-best-practices-guide/index.html 中的最佳实践
实时数字双胞胎具有用于工业操纵器应用的加固学习：在NVIDIA ISAAC健身房的ABB Yumi机器人数字双胞胎设计和建筑RL应用程序
工业部门正在经历一个变革阶段，随着先进的机器人技术和人工智能（AI）技术的整合。本论文，探讨了数字双技术的协同应用以及增强学习在增强工业环境中机器人操纵器的效率和适应能力方面的应用。这项研究的核心前提重点是解决动态和复杂工业环境中手动程序方法的局限性。手动编程通常缺乏在各种且无法预测的环境中有效操作所需的适应性和学习能力。加固学习的合并使机器人操纵者能够通过与环境的互动来学习和调整，从而提高了运营效率，并最大程度地减少了对广泛编程工作的需求。数字双胞胎是物理环境的数字虚拟复制品。这允许在受控的，无风险的设置中对机器人操纵器行为进行模拟，分析和优化。将数字双胞胎与增强学习的集成能够对机器人系统进行有效的培训，从而使他们能够学习复杂的任务并适应新场景，而无需与现实培训相关的身体磨损和风险，并设置了环境。研究方法涉及开发数字双胞胎模拟环境，强化学习算法在此环境中的机器人操作器中的应用，并引起了学习任务转移能力对现实应用程序的重要性。该研究还研究了与数字双胞胎和加强学习技术相关的挑战。预期的结果包括提高机器人操纵器在工业应用中的适应性和效率，从而减少了为特定任务提供机器人所需的时间，成本和资源。此外，预计自动驾驶机器人操作的安全性和可靠性增强。这项研究旨在证明强化学习和数字双技术在转变工业机器人技术方面的潜力，从而为机器人应用提供了更具灵活，高效和智能的开发过程。本文对工业自动化的未来具有重要意义，为更适应性，高效和智能机器人系统提供了一种途径。通过利用AI和模拟技术的最新进步，它旨在为工业机器人技术的发展做出贡献，为更先进的工业解决方案铺平道路。
NVIDIA DGX H100/H200 用户指南
1 NVIDIA DGX H100/H200 系统简介 3 1.1 硬件概述. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.1.5 使用锁定电源线. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.1.7.1 带挡板 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.1.9 主板连接和控制. . . . . . . . . . . . . . . 10 1.1.10 主板托盘组件. . . . . . . . . . . . . . . . 10 1.1.11 GPU 托盘组件. . . . . . . . . . . . . . . . . . . . . . . . . 11 1.2 网络连接、电缆和适配器 . . . . . . . . . . . . . . . 12 1.2.1 网络端口 . . . . . . . . . . . . . . . . . . . . 12 1.2.2 计算和存储网络 . . . . . . . . . . . . . . . . . . . . . . . 13 1.2.3 网络模块. . . . . . . . . . . . . . . . . . . . 14 1.2.4 BMC 端口 LED . . . . . . . . . . . . . . . . . . 15 1.2.5 支持的网络电缆和适配器. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .................................................................................................... 16 1.5 客户支持 . .................................................................................................................................... 17
NVIDIA NVSWWITCH系统的面料经理
使用FPGA燃烧和调试设备的工具。它允许用户在与HCA板集成的FPGA上燃烧自己的硬件代码。它还为用户提供了FPGA的QDR内存中的读/写寄存器。
