KI
Neueste Inhalte
Von der Cloud zum KI-PC: Wie sich KI-Modelle portieren lassen
KI-Modelle, die in der Cloud trainiert wurden, lassen sich oft nur schwer in lokale IT-Umgebungen integrieren. ONNX und die AMD Ryzen AI Software bieten einen einfachen Weg, KI plattformübergreifend einzusetzen.
Video: Wie sich ONNX-Runtime-Anwendungen lokal bereitstellen lassen
Das Open Neural Network Exchange (ONNX)-Format ermöglicht es, KI-Anwendungen von einem Framework auf ein anderes zu portieren. Dieses Video zeigt, wie sich ONNX-Runtime-Anwendungen mithilfe der Ryzen AI-Software lokal nutzen lassen.
KI im Rechenzentrum: So planen Sie eine erfolgreiche Integrationsstrategie
Wie können Unternehmen ein KI-fähiges Rechenzentrum aufbauen, ohne dass Kosten und Aufwand aus dem Ruder laufen? Welche Strategien und Best Practices gibt es dafür? Antworten liefert dieses eBook.
Von Training bis Inferenz: Hardware-Empfehlungen für KI-Workflows
Für Training, Optimierung und Anwendung von KI-Modellen ist leistungsfähige Hardware nötig. Die Anforderungen in den einzelnen Phasen unterscheiden sich jedoch deutlich. Dieses eBook zeigt, wie Sie die richtige Hardware für jeden KI-Workflow finden.
Autonome Agenten: Wie KI die Prozessautomatisierung revolutioniert
KI-Agenten planen und lösen komplexe Aufgaben selbständig und systemübergreifend. In der Prozessautomatisierung bringen sie aber auch neue Risiken und höhere Anforderungen an die IT-Infrastruktur mit sich.
Der neue Standard: Warum KI-PCs bis zu 83 % schneller sind.
Herkömmliche PCs bieten oft nicht genügend Leistung, um moderne KI-Apps ausführen zu können. In diesem Video erfahren Sie, wie Sie das Problem durch den Umstieg auf einen KI-PC mit AMD Ryzen AI Prozessor lösen.
Unsere Empfehlungen
Workstations in der Praxis
Herkömmliche PCs sind für rechenintensive Workloads oft nicht leistungsfähig genug. Dann sind Workstations die bessere Alternative. Zahlreiche Praxisbeispiele zeigen, wo sie eingesetzt werden können und wie Nutzer davon profitieren.
Datacenter-Anforderungen für KI- und ML-Projekte
Künstliche Intelligenz (KI) und Machine Learning (ML) erfordern hohe Rechenleistung, schnelle Netze und viel Speicherkapazität im Rechenzentrum. Wie Unternehmen diese Anforderungen erfüllen können.
So optimieren Sie den Einsatz von High-Performance-GPUs
KI-Beschleuniger können nur dann ihre maximale Leistung erbringen, wenn sie vom Hauptprozessor (CPU) optimal unterstützt werden. Diese Infografik zeigt Ihnen, wie Sie 20 Prozent mehr Leistung aus Ihren GPUs herausholen.