Computing Resources, Software, Hardware & Datasets
Låt oss låsa upp kraften i artificiell intelligens med Luleå Tekniska Universitets maskininlärningskluster!
Är du redo att utmana gränserna för AI-forskning och innovation? Titta inte längre än de toppmoderna beräkningsresurser som erbjuds av Maskininlärningsgruppen vid Luleå Tekniska Universitet. Vår kluster, med namnet Lotty Bruzelius, är utrustad med högkvalitativ hårdvara som är anpassad för dagens krav inom modern AI och relaterade uppgifter.
https://www.ltu.se/en/research/research-subjects/machine-learning/gpu---computation-lab
Här är en sammanfattning av våra beräkningsresurser:
Serverinfrastruktur:
- 1 x Nvidia DGX Gold
- 2 x Inspur-servrar
- 2 x Dell 9680-servrar
CPU-kraft:
- 80 virtuella CPU-kärnor (2 x Xeon® E5-2698)
- 48 virtuella CPU-kärnor (2 x AMD EPYC 7352) per server (2 servrar)
- 192 virtuella CPU-kärnor (2 x Xeon® Platinum 8468) per server (2 servrar)
Nvidia GPU-acceleration:
- 8 x Tesla V100 32 GB GPU:er
- 16 x A100 40 GB GPU:er
- 8 x A100 80 GB GPU:er
- 8 x H100 80 GB GPU:er
Samlad systemminne/RAM: 3,5 TB
Samlad disklagring: 70 TB
Nätverk: Hög hastighet Ethernet-anslutning med Dell S6000-switch som stöder 40 Gbit till 100 GbE QSFP-adapter
Programvarumiljö: Ubuntu 22.04.3 LTS, Kernel 5.15.0-92-generic, CUDA Version 12.3, stöd för Conda och Docker-miljö
Varför ska du samarbeta med oss?
- Oöverträffad prestanda: Vår kluster har en imponerande kombination av CPU:er och GPU:er, vilket ger enastående beräkningskraft för AI-forskning och utveckling.
- Mångsidig hårdvara: Oavsett om du utforskar djupinlärning, naturlig språkbehandling, datorseende eller andra AI-discipliner, så ser vår olika utbud av hårdvara till att du har verktygen du behöver.
- Utmärkt lagring och nätverk: Med omfattande lagringskapacitet och höghastighetsnätverk kan du smidigt hantera och analysera stora datamängder för dina forskningsprojekt.
- Tillförlitligt stöd: Vårt team är engagerat i att ge hjälp och support, vilket säkerställer en smidig och produktiv forskningsupplevelse.
- Samarbetsmöjligheter: Genom att samarbeta med vår Maskininlärningsgrupp öppnas dörrar till gemensamma forskningsprojekt, kunskapsutbyte och tillgång till toppmoderna resurser, vilket främjar innovation och framsteg inom AI-området.
Ge dig ut på en resa av innovation och upptäckt tillsammans med Luleå Tekniska Universitets Maskininlärningsgrupp. Oavsett om du är forskare eller akademisk institution bjuder vi in dig att utnyttja kraften i våra beräkningsresurser och tillsammans ta del av banbrytande AI-projekt. Kontakta oss nu för att utforska samarbetsmöjligheter och låsa upp AI-teknologins fulla potential!
Kod och dataset
Code and Datasets
Vi har en bildbehandlingsdataset för inre taligenkänning. Denna dataset innehåller vibrationsdata för tillståndsövervakning, som är annoterade med tekniskt språk. Data kommer från pappersmaskinsindustrin i norra Sverige (se Löwenmark, Karl DIVA).
Imaging dataset for inner-speech recognition
Asyncrhonous multimodal EEG/fMRI brain imaging dataset of inner speech.
Syncrhonous multimodal EEG/fMRI brain imaging dataset of inner speech.
Condition monitoring vibration data
Dataset for condition monitoring vibration data annotated with technical language, from paper machine industries in northern Sweden (see Löwenmark, Karl DIVA)
WordStylist: Styled Verbatim Handwritten Text Generation with Latent Diffusion Models
Nordic Vehicle Dataset and Code
Dataset collected to evaluate the performance of vehicle detectors from UAV in different snowy weather conditions.
Publications based on NVD
- Nordic Vehicle Dataset (NVD): Performance of vehicle detectors using newly captured NVD from UAV in different snowy weather conditions.
- Fractional B-Spline Wavelets and U-Net Architecture for Robust and Reliable Vehicle Detection in Snowy Conditions
- Vehicle Detection Performance in Nordic Region
- Challenging YOLO and Faster RCNN in Snowy Conditions: UAV Nordic Vehicle Dataset (NVD) as an Example
Bipol: https://huggingface.co/datasets/tosin/mab_english and https://github.com/LTU-Machine-Learning/bipolmulti
Papers based on bipol: (see above)
iDocVQA: Instruction Document Visual Question Answering dataset https://github.com/LTU-Machine-Learning/iDocVQA
Paper based on iDocVQA: https://arxiv.org/abs/2402.00453
Koden för att komma åt denna dataset är WORDSTYLIST och finns på följande länk: GitHub - koninik/WordStylist.
Other Resources
Hardware
EEG/fMRI compatible 64 channels headset for synchronous recordings, Brain Products, link
EEG 8 sensor Unicorn Hybrid Black, gtec, link
Uppdaterad:
Sidansvarig: Forskning