20.500.12556/RUL-180965 Računalniški vid in umetna inteligenca na slovenski superračunalniški infrastrukturi Computer vision and AI on Slovenian supercomputing infrastructure Prispevek podaja pregled možnosti za izvajanje računsko zahtevnih nalog računalniškega vida in umetne inteligence v Sloveniji na infrastrukturi SLING. Osredotočimo se na dve ključni okolji: petaflopni superračunalnik Vega (240 GPU Nvidia A100 in 960 vozlišč CPU) ter Arnesovo računsko gručo s starejšimi (V100) in novejšimi (H100) GPU za interaktivno in izobraževalno rabo. Opišemo postopke pridobivanja dostopa (testni dostop, razvojni dostop, redni/veliki raziskovalni dostop) in značilne kvote, ki vplivajo na razpoložljivost GPU virov. Pri tem povzamemo tudi vlogo Nacionalnega kompetenčnega centra (EuroCC 2) pri izobraževanjih in podpori uporabnikom. Posebno pozornost namenimo programski združljivosti za računalniški vid (knjižnice PyTorch/TensorFlow, knjižnice CUDA, kontejnerji) ter razlikam med klasičnim paketnim režimom (Slurm) in potrebami sodobnih potekov dela. V zaključku stanje povežemo s projektom Slovenske tovarne umetne inteligence (SLAIF), ki načrtuje nov, za umetno inteligenco optimiziran superračunalnik ter hibridno HPCoblačno okolje z orkestracijo Kubernetes. This paper reviews how computer vision and AI workloads can be executed in Slovenia on the national SLING infrastructure. We focus on two key environments: the EuroHPC petascale system Vega (240 Nvidia A100 GPUs and 960 CPU nodes) and the Arnes HPC cluster, which includes V100 and some H100-based GPU nodes and serves both education and research. We summarise access paths (Test Access, Development Access, Regular/Large Research Access) and the allocation quotas that affect GPU availability for deep learning training. We also note the role of the Slovenian National Competence Centre (EuroCC 2) in training and user support. We discuss software compatibility for CV (PyTorch/TensorFlow, CUDA libraries, containers) and highlight the gap between batch scheduling (Slurm) and modern AI workflows that require interactive development and longrunning inference services. Finally, we outline the perspective of the Slovenian AI Factory (SLAIF), which plans an AI-optimised supercomputer and a hybrid HPC-cloud environment with Kubernetes-based orchestration. računalniški vid umetna inteligenca superračunalništvo SLING Vega Arnes SLAIF Slurm Kubernetes computer vision artificial intelligence supercomputing SLING Vega Arnes SLAIF Slurm Kubernetes true false false Slovenski jezik Angleški jezik Podatek o licenci se nahaja na pristajalni strani. Neznano 2026-03-20 14:07:20 2026-03-20 14:07:27 2026-05-27 09:13:30 0000-00-00 00:00:00 2026 0 0 Str. 5-15 0000-00-00 Zaloznikova Objavljeno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 004.93 272476931 270650883 https://press.um.si/index.php/ump/en/catalog/book/1022/chapter/1032 1 b1d46170-245d-11f1-b0ab-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=231002 Racunalniski+vid+in+umetna+inteligenca+na+slovenski+superracunalniski+infrastrukturi.pdf Racunalniski+vid+in+umetna+inteligenca+na+slovenski+superracunalniski+infrastrukturi.pdf 1 77F8B82F511E2C82DD72E51B81D54903 1a2fae3e072df4bccc8aa35eed53d69f1d69b98de9ec2a7499a8476a9923fdda ce7326a1-245d-11f1-b0ab-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=231003 Fakulteta za elektrotehniko 0 0 0