Paperspace Gradient[1]高级版notebooks现已推出。希望将人工智能计算提升到新水平的开发者现可按需使用Graphcore拟未IPU的功能。
新的按需付费选项使商业用户和人工智能研究人员能够快速、经济实惠地提升他们的IPU能力，以满足不断增长的计算需求。
Paperspace Gradient是Google Colab的一种强大的替代品。Paperspace Gradient提供基于浏览器的人工智能notebooks（运行在拟未先进的智能处理器上）。
开发人员可以使用广泛的IPU优化模型，涵盖了自然语言处理、计算机视觉和图神经网络等。Hugging Face的用户仅用几行代码就可以实现对于复杂transformer模型的训练和微调。
对于那些刚刚开始尝试IPU的用户，Paperspace还提供6小时的免费计算时间，让用户可以尝试Gradient Notebooks亲身体会IPU的优势。
Stable Diffusion
为了配合全新推出的高级版notebook，拟未和Paperspace首次在IPU上引入了Stable Diffusion模型。
该生成式人工智能模型广受欢迎，并因其令人惊叹的图像和灵活性而深受好评。它可以提供文本到图像、图像到图像和文本引导的绘画。
用户只需启动基于web的Paperspace notebook，并运行预先训练好的Hugging Face Stable Diffusion模型，就可以在几分钟内开始生成图像。
如欲了解在Paperspace Gradient notebooks上运行面向IPU的Stable Diffusion的更多信息，请参阅我们专门的博客，该博客还包括入门指南。
图神经网络
拟未IPU因其出色的运行图神经网络的能力而收到了越来越多的认可。

拟未开发的图神经网络（GNNs）在Open Graph Network Large Scale Challenge中获得了两项第一。这项赛事是人工智能行业对图形人工智能性能的一项领先测试。
两个优胜模型分别是用于分子预测的GPS++和用于知识图谱补全的分布式KGE TransE（256）。您可以在Paperspace Gradient Notebooks上运行（训练和推理）一系列GNN模型，包括两个优胜模型。
● GPS++（训练）[2]（推理）[3]
● 分布式KGE（训练）[4]（建立实体映射数据库）[5]
Paperspace上其他由IPU驱动的
全新Notebooks
我们正持续地向Paperspace Gradient添加面向IPU的全新notebooks，这些notebooks涵盖广泛的机器学习解决方案和应用。
最新的添加包括：
1
自然语言处理
● 用BERT和RoBERTa进行快速情感分析[6]
● 用BERT进行命名实体识别[7]
● 用RoBERTa进行多项选择[8]、问题回答[9]和文本分类[10]
● 用T5 Small进行文本总结[11]
● 用BERT进行标记分类[12]
● 用BART-Base进行翻译[13]
2
计算机视觉
● 使用您自己的数据集，用transformer视觉（ViT）模型进行图像分类[14]
3
语音处理
● 使用wav2vec 2.0进行自动语音识别（ASR）（微调）[15]（推理）[16]
用于拟未IPU的Paperspace Gradient Notebook的完整列表可在下表或此处[17]找到。
即将面世
Paperspace上付费版notebook的推出反映了越来越多的用户希望扩大他们的IPU计算资源，以用于商业用途。我们和他们一样相信人工智能创新者希望专注于使用人工智能来做出改变，而非囿于计算的复杂性和耗时的系统管理。
作为我们发展人工智能业务共同承诺的一部分，我们将很快推出一套新的工具，旨在帮助用户将模型训练和部署的过程自动化，以供实际使用。
Gradient Workflows支持开发者在将新代码推送到链接的GitHub存储库时自动更新其模型。Gradient模型存储库为用户提供了导入和管理模型所需的所有工具，同时还能兼顾版本控制。
部署过程将训练过的模型转化为API端点，帮助客户构建产品和服务，并满足客户对于Paperspace的速度和易用性的预期。
关于拟未和Paperspace的更多信息
Paperspace上拟未IPU的用户可以充分利用广泛的资源来帮助他们起步、运行概念验证模型、根据自己的具体需求进行微调，并扩大其部署规模。

您还可以参考以下内容：
● 教程：在Paperspace上启用和运行拟未的IPU[18]
● 教程：使用Hugging Face和IPU在Paperspace上快速制作NLP应用原型
● 博客：在Paperspace上启用用于IPU的Stable Diffusion
Paperspace Gradient上的IPU：定价
您可以参见：
https://www.graphcore.ai/paperspace
[1]https://www.graphcore.ai/paperspace
[2]https://ipu.dev/3GxXZpe
[3]https://ipu.dev/3CGjC5E
[4]https://ipu.dev/3QwfKJS
[5]https://ipu.dev/3k7u13F
[6]https://ipu.dev/3X5wL0a
[7]https://ipu.dev/3XgZ7V2
[8]https://ipu.dev/3Fz8qZ4
[9]https://ipu.dev/3FwGEfD
[10]https://ipu.dev/3CExDAs
[11]https://ipu.dev/3CJjemS
[12]https://ipu.dev/3CIQfzr
[13]https://ipu.dev/3XbkoQk
[14]https://ipu.dev/3YOs4Js
[15]https://ipu.dev/3WsskMd
[16]https://ipu.dev/3W4juV4
[17]https://www.paperspace.com/graphcore/sample-models
[18]https://blog.paperspace.com/graphcore-ipu-jupyter-tutorial/
本篇博客作者：
Nicolas Couronneau
获取更多Graphcore资讯，阅读深度技术文章，并与其他创新者们一起交流，请至中国官网graphcore.cn，以及关注Graphcore微信、微博和知乎创新社区。
Graphcore中国官网
Graphcore官方微信
Graphcore微博创新社区
Graphcore知乎创新社区
点击阅读原文，查看英文blog。
继续阅读
阅读原文