为了解决当今世界最尖端的技术挑战之一，我们刚刚推出了全新的硬件和软件，将前所未有地提高深度学习研究的速度、易用性和功用。在人工智能领域快速成长的深度学习技术是一项创新的计算引擎，可应用在从先进医药研究到全自动驾驶汽车的多元领域。
NVIDIA联合创始人、总裁兼首席执行官黄仁勋先生在 GPU 技术大会的开幕主题演讲活动上，对在座的四千名与会嘉宾展示三项将推动深度学习的新技术：
l NVIDIA GeForce GTX TITAN X – 为训练深度神经网络而开发的最强大的处理器。
l DIGITS 深度学习 GPU 训练系统 – 数据科学家与研究人员能利用这套软件便捷地开发出高品质深度神经网络。
l DIGITS DevBox – 全球最快的桌边型深度学习工具 – 专为相关任务而打造，采用 TITAN X GPU，搭配直观易用的 DIGITS 训练系统。
GeForce GTX TITAN X 的另一面
一物两用：Titan X 不仅可玩转精致的虚拟世界，也可胜任繁重的科研工作
TITAN X 是我们全新推出的旗舰级游戏显卡，但也特别适合用于深度学习。
我们两周前在旧金山举办的游戏开发者大会上让各位先睹为快 TITAN X 的身影，它以电影《霍比特人》里的史矛戈巨龙为蓝本，播放了一段名为《暗影神偷》精彩的虚拟现实体验。
在 TITAN X 上能以 4K 的超高画质呈现最新 AAA 游戏大作的瑰丽画面，可以在开启 FXAA 高设定值的情况下，以每秒40帧(40fps)运行《中土世界：暗影魔多》(Middle-earth: Shadow of Mordor)游戏，而在九月发行的 GeForce GTX 980 上则是以 30fps 来运行。
采用 NVIDIA Maxwell GPU 架构的 TITAN X，结合 3,072 个处理核心、单精度峰值性能为 7 teraflops，加上板载的 12GB 显存，在性能和性能功耗比方面皆是前代产品的两倍。
凭借强大的处理能力和 336.5GB/s 的带宽，让它能处理用于训练深度神经网络的数百万的数据。例如， TITAN X 在工业标准模型 AlexNet 上，花了不到三天的时间、使用 120万个 ImageNet 图像数据集去训练模型，而使用16核心的 CPU 得花上四十多天。
现已上市的GeForce GTX TITAN X 售价为 7999元人民币。
DIGITS：通往最佳深度神经网络的便捷之路
使用深度神经网络来训练电脑教自己如何分类和识别物体，是一件繁重又费时的事情。
DIGITS 深度学习 GPU 训练系统软件自始至终都将为用户提供所需数据，帮助用户建立最优的深度神经网络，改变上述的局面。
访问 即可下载DIGITS 深度学习 GPU 训练系统，这是首套用于设计、训练和验证图像分类深度神经网络的多合一图形系统。
DIGITS 可在安装、配置和训练深度神经网络过程中为用户提供指导 – 处理复杂的工作好让科学家能专心在研究活动和结果上。
得益于其直观的用户界面和强大的工作流程管理能力，不论是在本地系统还是在网络上使用 DIGITS，准备和加载训练数据集都相当简单。
这是同类系统中首个提供实时监控和可视化功能的系统，用户可以对工作进行微调。它还支持 GPU 加速版本 Caffe，目前，这一框架在众多数据科学家和研究人员中都得到了广泛使用，用于构建神经网络(参见 Parallel Forall 博客上的《DIGITs: Deep Learning Training System》一文，有更详尽的说明)。
DIGITS 可在安装、配置和训练深度神经网络过程中为用户提供指导，处理繁重的任务，使科学家能够集中关注研究和成果。
DIGITS DevBox：全球最快的桌边型深度学习机器
NVIDIA 深度学习工程团队为了自己的研发工作而开发的 DIGITS DevBox，是一套集多项功能于一身的平台，能够加快深度学习的研究活动。
它采用四个 TITAN X GPU、从内存到 I/O，DevBox 的每个组件都进行了最佳化调试，可为最严苛的深度学习研究工作提供高效率的性能表现。
为深度学习而生：DIGIT DevBox 的每个组件都针对深度学习研究活动进行了最佳化调试
它已经预先安装了数据科学家和研究人员在开发自己的深度神经网络时，所需要使用到的各种软件，包括 DIGITS 软件包、最受欢迎的深度学习架构 – Caffe、 Theano 和 Torch，还有 NVIDIA 完整的 GPU 加速深度学习库 cuDNN 2.0。
所有这些都集结在这个高能效、静默、运行流畅且外形优美的软件包中，只需要普通的电源插座，低调安置在您的桌下即可。
较早期的多 GPU 训练成果显示，在关键深度学习测试中，DIGITS DevBox 可以提供 4 倍于单个 TITAN X 的性能。使用 DIGITS DevBox 来训练 AlexNet 只要13个小时就能完成，而使用最好的单 GPU PC 的话则是两天，单纯使用 CPU 系统的话则要一个月以上的时间。
