Nvidias neuer Volta-basierter DGX-1-Supercomputer fügt 400 Server in eine Box

Sie müssen kein Rack mit 400 Servern kaufen, wenn Sie einen High haben Leistungsstarker Nvidia DGX-1-Supercomputer mit einer Volta-GPU auf dem Desktop.

Der DGX-1-Supercomputer, der wie ein normaler Rack-Server aussieht, bezieht seinen größten Teil seiner Rechenleistung aus acht Tesla V100-GPUs.

Die GPU, die erste, die auf der brandneuen Volta-Architektur basiert, wurde am Mittwoch auf der GPU Technology Conference des Unternehmens in San Jose vorgestellt.

[Lesen Sie weiter: Beste Grafikkarten für PC-Spiele]

" Es kommt aus der Box, schließt es an und geht zur Arbeit ", sagte Nvidias CEO Jen-Hsun Huang während einer Keynote.

Aber der DGX-1 mit Tesla V100-Computer ist teuer. Mit 149.000 US-Dollar ist es die Lebensrettung einiger Leute wert. Aber Huang ermutigte die Leute, es zu bestellen und sagte, dass die Box im dritten Quartal ausgeliefert wird.

Der neue Supercomputer 40.960 CUDA-Kerne, die laut Nvidia der Rechenleistung von 800 CPUs entsprechen. Es ersetzt das vorherige DGX-1 basierend auf der aktuellen Pascal-Architektur, die laut Nvidia die Macht von 250 Zwei-Socket-Servern hat.

Laut Nvidia liefert das System etwa 960 Teraflops Halbpräzision - 16 Bit Floating Punkt - Leistung, was niedrigere Leistung mit einfacher und doppelter Genauigkeit bedeutet. Die Zahlen waren nicht verfügbar, aber die Halbgenauigkeitsleistung wird als wertvoll für Maschinenlernaufgaben angesehen.

Begleitend zu den GPUs sind zwei Intel Xeon E5-2698 v4 mit 20 Kernen, die mit Taktraten von 2,2 GHz laufen. Das System verfügt über vier 1.92TB SSDs und läuft unter Ubuntu Linux.

Das System zieht 3.200 Watt Leistung, also halten Sie es nicht den ganzen Tag, oder es wird Ihre Stromrechnung hochfahren.

Spieler sollten nicht Ich bin nicht begeistert von der Maschine. Das DGX-1 mit Tesla V100 ist vielleicht zu teuer, um ein riesiges Gaming-Rigg zu sein; Vielmehr ist es eher für maschinelles Lernen konzipiert.

GPUs steuern bereits maschinelle Lernaufgaben in Rechenzentren, und der Nvidia Supercomputer ist ein Beispiel dafür, wie GPUs Anwendungen wie Bilderkennung und Verarbeitung natürlicher Sprache zur Realität machen.

Huang Diese CPUs bieten nicht genügend Rechenleistung, insbesondere für künstliche Intelligenz, wo GPUs Platz finden.

Der Tesla V100 im DGX-1 ist fünfmal schneller als die aktuelle Pascal-Architektur, sagte Huang. Es wird neue Technologien wie NVLink 2.0, eine neue Verbindung mit einer Bandbreite von bis zu 300 Gbps (Bits pro Sekunde) haben. Die GPU hat mehr als 21 Milliarden Transistoren und 5.120 Kerne. Es hat auch 900GBps (Bytes pro Sekunde) der HBM2-Speicherbandbreite.

Nvidia hat auch einen würfelähnlichen Tensor-Kern eingebaut, der mit den normalen Verarbeitungskernen arbeitet, um das Tiefenlernen zu verbessern. Nvidia konzentrierte sich auf die Strukturierung von Kernen, um Matrixmultiplikationen zu beschleunigen, die das Herz effektiver Tiefenlernsysteme sind. Die Struktur hilft dabei, Low-Level-Gleitkommaberechnungen auszurichten, was das Lernen in der Tiefe beschleunigen sollte.

Huang prahlte, dass die GPU 120 Teraflops an Deep-Learning-Leistung bietet, obwohl das schwer zu überprüfen sein wird. Standard-Benchmarking-Tools gibt es nicht für Maschinen- oder Deep-Learning-Anwendungen, obwohl die Entwicklung bei Unternehmen wie Google im Gange ist.

Der Supercomputer arbeitet mit vielen High-Performance-Computing- und Deep-Learning-Frameworks wie CUDA, Tensor und Caffe2.

Die Grafikfirma hat auch die DGX Station vorgestellt, die eine kleinere Version des neuen DGX-1 ist. Es sieht mehr wie eine Workstation aus und hat vier Tesla V100 GPUs, die Hälfte des DGX-1. Es kostet 69.000 $ und wird im dritten Quartal ausgeliefert.

Nvidia hat nicht sofort gesagt, ob die Produkte weltweit versandt werden.