ارائه‌ی ابررایانه‌ای معادل با ۴۰۰ سرور توسط Nvidia

0
76
ارائه‌ی ابررایانه‌ای معادل با 400 سرور توسط Nvidia

با در اختیار داشتن Nvidia DGX-1 که یک ابرکامپیوتر پرقدرت و برخوردار از Volta GPU می‌باشد، دیگر نیازی به پرداخت هزینه‌ برای خرید یک Rack با ۴۰۰ سرور نخواهد بود.

ابرکامپیوتر DGX-1 که در ظاهر به یک سرور Rack معمولی شباهت دارد، بخش عمده‌ای از توان محاسباتی خود را از ۸ عدد Tesla V100 GPU دریافت می‌کند. اخیرا این GPU که اولین نمونه‌ی مبتنی بر معماری کاملا نوین Volta محسوب می‌شود از سوی شرکت Nvidia معرفی گردیده است.

Jen-Hsun، مدیر‌عامل شرکت Nvidia در معرفی این محصول بیان نمود: قابلیت‌های این محصول به صورت از پیش آماده شده ارائه می‌گردد و با کاربردی آسان، رسیدگی همزمان به سایر فعالیت‌ها را برای کاربران امکانپذیر می‌سازد.

مسئله‌ی موجود در رابطه با سیستم DGX-1 با Tesla V100، بالا بودن هزینه‌ی استفاده از آن می‌باشد که قیمتی ۱۴۹ هزار دلاری دارد. با این وجود Huang با اشاره به مزایای این کامپیوتر بر اهمیت خرید آن تاکید نموده و زمان عرضه‌ی آن را سه ماه‌ی آخر سال اعلام کرده است.

بنا به اعلام شرکت، این سیستم می‌تواند عملکرد (Half-Precision (16-Bit Floating Point را با سرعتی حدود نهصد و شصت Teraflop ارائه ‌نماید که به معنای عملکرد پایین‌تر Single-Precision و Double-Precision می‌باشد. هرچند که در رابطه با سطح عملکرد Half-Precison عدد دقیقی ارائه نشده است اما استفاده از آن برای Task‌های مرتبط با یادگیری ماشینی را می‌توان قابل‌توجه دانست.

لازم به ذکر است که این سیستم علاوه بر دو Intel Xeon E5-2698 v4 20 هسته‌ای از چند GPU‌ نیز بهره‌مند است که با سرعتی معادل ۲/۲ گیگاهرتز فعالیت می‌کنند، ضمن اینکه دارای چهار هارد دیسک ۱.۹ ترابایتی به صورت SSD بوده و در Ubuntu Linux نیز قابل اجرا می‌باشد.

با توجه به اینکه ابرکامپیوتر ذکرشده با توان ۳۲۰۰ وات کارمی‌کند، به کارگیری مستمر آن با هزینه‌ی بالایی همراه خواهد بود.

DGX-1 با Tesla V100 برای یادگیری ماشینی طراحی شده است‌، بنابراین با توجه به هزینه‌ی مصرفی بالای آن، کاربرد چندانی برای علاقمندان بازی‌های کامپیوتری نداشته و نمی‌توان آن را به عنوان تجهیزی قدرتمند برای اجرای انواع Game‌ها تلقی نمود.

تاکنون توان لازم برای Task‌های مرتبط با یادگیری ماشینی در دیتاسنترها، توسط GPU‌ها فراهم گردیده و اکنون نیز با معرفی ابرکامپیوتر Nvidia، امکان بهره‌گیری از GPU‌ها در جهت تحقق اهدافی همچون “شناسایی تصویر” و “پردازش زبان” فراهم شده است.

Huang معتقد است که در برخی موارد خصوصا در فرآیندهای مرتبط با هوش مصنوعی، CPU‌ها قادر به ارائه‌ی توان پردازشی کافی نبوده و استفاده از GPU ضرورت می‌یابد.

به گفته‌ی وی Tesla V100 در DGX-1 پنج برابر سریع‌تر از معماری پاسکال فعلی عمل می‌کند. در آینده این سیستم از تکنولوژی‌های Interconnect جدیدی مانند NVLink 2.0 برخوردار خواهد شد که با پهنای باند ۳۰۰گیگابیت بر ثانیه کار می‌کند. این GPU بیش از ۲۱ میلیون ترانزیستور و ۵۱۲۰ هسته داشته و پهنای باند حافظه‌ی HBM2 آن برابر ۹۰۰ گیگابایت بر ثانیه می‌باشد.

Nvidia یک Tensor Core مکعب مانند را نیز در این سیستم گنجانده که به کار با هسته‌های پردازشی عادی پرداخته و امکان یادگیری کامل را امکانپذیر می‌سازد. Nvidia با متمرکز ساختن فعالیت‌های خود در زمینه‌ی هسته‌های ساختاری موجب سرعت بخشیدن به محاسبات ماتریکسی گردیده که به نوبه‌ی خود عاملی حیاتی در اثربخشی سیستم‌های یادگیری به شمار می‌آید. این ساختار به هماهنگ‌سازی محاسبات Floating Point در سطح پایین کمک می‌کند که موجب تسریع فرآیند یادگیری می‌گردد.

Huang مدعیست که این GPU می‌تواند عملیات یادگیری کامل را با سرعت صد و بیست Teraflop ارائه نماید، اما به دلیل محدودیت ابزارهای استاندارد برای سنجش کارکردهای یادگیری کامل، امکان اظهار‌نظر قطعی در این زمینه وجود ندارد. لازم به ذکر است که در این راستا پیشرفت‌های قابل‌توجهی از سوی برخی شرکت‌ها از جمله گوگل صورت گرفته است.

نکته‌ی دیگر در خصوص این ابرکامپیوتر آن است که می‌تواند با بسیاری از چارچوب‌های محاسباتی و یادگیری کامل ازجمله CUDA، Tensor و Caffe2 که از عملکرد بالایی برخوردارند همکاری کند.

DGX Station محصول دیگر شرکت Nvidia و نسخه‌ی کوچکتر DGX-1 محسوب می‌شود. خصوصیات این محصول مشابه Workstation بوده و چهار Tesla V100 GPU را در خود دارد (نصف تعداد موجود در DGX-1). قیمت آن ۶۹ هزار دلار بوده و در سه ماهه‌ی آخر سال عرضه خواهد شد.

Nvidia اشاره‌ی صریحی به عرضه‌ی تکنولوژی‌های فوق، در سطح جهانی نکرده است.

بدون دیدگاه

دیدگاهتان را بنویسید

*