Los 2 - Shared -GPU Compute Server

Das Leibniz-Institut für photonische Technologien e.V. (Leibniz-IPHT) schreibt die Anschaffung von zwei (2) Shared-GPU-Compute-Server aus. Diese Server sollen in den am Leibniz-IPHT bestehenden Forschungsdatencluster eingebunden werden und primär zur Verarbeitung hyperspektraler Bilddaten mittels maschinellen (tiefen) Lernmethoden dienen. Dazu sollen die Server in ein Kubernetes-on-premise basierte System eingebunden werden und mittels Schnittstellen wie Jupyterhub von den Forschenden des Leibniz-IPHTs verwendet werden können. Hierbei ist die Verwendung von vGPUs auf den Grafikprozessoren zur besseren Ressourcennutzung vorgesehen.

Das Leibniz-Institut für photonische Technologien e.V. (Leibniz-IPHT) schreibt die Anschaffung von zwei (2) Shared-GPU-Compute-Server aus. Diese Server sollen in den am Leibniz-IPHT bestehenden Forschungsdatencluster eingebunden werden und primär zur Verarbeitung hyperspektraler Bilddaten mittels maschinellen (tiefen) Lernmethoden dienen. Dazu sollen die Server in ein Kubernetes-on-premise basierte System eingebunden werden und mittels Schnittstellen wie Jupyterhub von den Forschenden des Leibniz-IPHTs verwendet werden können. Hierbei ist die Verwendung von vGPUs auf den Grafikprozessoren zur besseren Ressourcennutzung vorgesehen.

Das Leibniz-Institut für photonische Technologien e.V. (Leibniz-IPHT) schreibt die Anschaffung von zwei (2) Shared-GPU-Compute-Server aus. Diese Server sollen in den am Leibniz-IPHT bestehenden Forschungsdatencluster eingebunden werden und primär zur Verarbeitung hyperspektraler Bilddaten mittels maschinellen (tiefen) Lernmethoden dienen. Dazu sollen die Server in ein Kubernetes-on-premise basierte System eingebunden werden und mittels Schnittstellen wie Jupyterhub von den Forschenden des Leibniz-IPHTs verwendet werden können. Hierbei ist die Verwendung von vGPUs auf den Grafikprozessoren zur besseren Ressourcennutzung vorgesehen.

Das Leibniz-Institut für photonische Technologien e.V. (Leibniz-IPHT) schreibt die Anschaffung von zwei (2) Shared-GPU-Compute-Server aus. Diese Server sollen in den am Leibniz-IPHT bestehenden Forschungsdatencluster eingebunden werden und primär zur Verarbeitung hyperspektraler Bilddaten mittels maschinellen (tiefen) Lernmethoden dienen. Dazu sollen die Server in ein Kubernetes-on-premise basierte System eingebunden werden und mittels Schnittstellen wie Jupyterhub von den Forschenden des Leibniz-IPHTs verwendet werden können. Hierbei ist die Verwendung von vGPUs auf den Grafikprozessoren zur besseren Ressourcennutzung vorgesehen.