聚焦深度学习应用 浪潮发布基于Tesla GPU 加速器整机柜服务器

简介:

2月4日,中国数据中心领导厂商浪潮在其“整机柜服务器2015年度产品策略发布会”上,正式发布了基于NVIDIA Tesla GPU 加速器的整机柜服务器——SmartRack 协处理加速整机柜服务器,这是一款密集型高度并行计算服务器,主要面向人工智能、深度学习等应用。

通过和全球视觉计算领域的领导者NVIDIA公司紧密合作,浪潮SmartRack 协处理加速整机柜服务器实现了在1U空间里完美部署4个Tesla GPU 加速器,实现“CPU+协处理器”协同计算加速,合理分配计算资源,充分释放计算能力,在并行计算方面有绝佳的表现,以高效、低耗、可靠、智能的特性,满足深度学习和人工智能等应用。此外,该产品还融合了广泛使用的NVIDIA CUDA并行计算平台以及cuDNN GPU加速库,最大效能发挥了GPU的强大处理性能,另外还能够完美支持Caffe、Torch等业界广泛使用的深度学习计算框架。

聚焦深度学习应用  浪潮发布基于Tesla GPU 加速器整机柜服务器 GPU节点

NVIDIA Tesla加速计算平台是加速大数据分析与科学计算的领先平台。 该平台把全球最快的 GPU 加速器与广泛使用的 CUDA并行计算模型结合在一起, 凭借先进的系统管理特性、加速的通信技术以及流行基础架构管理软件的支持,可为高性能计算专业人士提供所需的工具,使其能够在数据中心轻松地打造、测试和部署加速的应用。

目前,GPU 加速器已经在高性能计算和超级计算行业中成为主流,而深度学习、人工智能领域则是GPU充分发挥优势的又一热点方向。凭借Tesla GPU 突破性的性能和更大的内存容量,企业用户可以快速地处理大数据分析应用所产生的海量数据,数据科学家利用Tesla加速器可以轻松处理多达拍字节 (Petabytes) 的数据,而且速度比使用 CPU 时快 10 倍。 对计算科学家来说,Tesla 加速器可提供所需的处理动力,能够以前所未有的速度运行更大型的模拟。

聚焦深度学习应用  浪潮发布基于Tesla GPU 加速器整机柜服务器 SmartRack 协处理加速整机柜服务器

浪潮作为中国最早推出整机柜服务器的厂商,其在中国整机柜服务器市场一直保持市场领先。目前,SmartRack整机柜服务器已经迭代到第四代,并在百度、阿里巴巴等实现大规模批量部署,市场占有率超过60%。

IDC数据显示,2010年到2014年,中国市场传统型X86服务器的年复合增长率达17.5%,而整机柜服务器产品的复合增长率则高达58.8%。IDC预测,未来四年整机柜服务器在X86服务器的总体占比将进一步提升,并保持两位数的高速增长势头,而同为密集型产品的刀片服务器,其增长势头将维持在个位数。不难看出,整机柜服务器已经表现出取代传统机架服务器、传统刀片的强大潜质,将成为未来数据中心基础架构的核心形态。

现在互联网公司越来越青睐整机柜服务器。 据透露,2014年百度采购的整机柜服务器占服务器采购总量的30%,到2015年,百度计划将这一比例提升到40%。而阿里巴巴在2014年采购的整机柜服务器占总体采购量20%左右,2015年之后,阿里计划全面采购整机柜服务器。随着面向应用定制的SmartRack整机柜产品在互联网市场的良好表现,NVIDIA GPU将在加速大数据分析与科学计算、大幅降低能耗、采购和运维IT开支方面充分体现自己的优势。



原文发布时间为:2015年02月05日

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关实践学习
在云上部署ChatGLM2-6B大模型(GPU版)
ChatGLM2-6B是由智谱AI及清华KEG实验室于2023年6月发布的中英双语对话开源大模型。通过本实验,可以学习如何配置AIGC开发环境,如何部署ChatGLM2-6B大模型。
相关文章
|
机器学习/深度学习 数据库 数据安全/隐私保护
服务器核心组件:CPU 与 GPU 的核心区别、应用场景、协同工作
CPU与GPU在服务器中各司其职:CPU擅长处理复杂逻辑,如订单判断、网页请求;GPU专注批量并行计算,如图像处理、深度学习。二者协同工作,能大幅提升服务器效率,满足多样化计算需求。
4282 39
|
运维 NoSQL 调度
GPU集群扩展:Ray Serve与Celery的技术选型与应用场景分析
Ray Serve与Celery对比:Ray Serve适用于低延迟、高并发的GPU推理服务,支持资源感知调度;Celery适合CPU密集型的离线批处理,具备成熟的任务队列机制。两者设计理念不同,适用场景各异,可根据任务类型灵活选型。
548 6
GPU集群扩展:Ray Serve与Celery的技术选型与应用场景分析
|
存储 机器学习/深度学习 人工智能
硅谷GPU单节点服务器:技术解析与应用全景
“硅谷GPU单节点服务器”代表了在单个物理机箱内集成强大计算能力,特别是GPU加速能力的高性能计算解决方案。它们并非指代某个特定品牌,而是一类为处理密集型工作负载而设计的服务器范式的统称。
|
机器学习/深度学习 人工智能 弹性计算
2025年阿里云GPU服务器租用价格与应用场景详解
阿里云GPU服务器基于ECS架构,集成NVIDIA A10/V100等顶级GPU与自研神龙架构,提供高达1000 TFLOPS混合精度算力。2025年推出万卡级异构算力平台及Aegaeon池化技术,支持AI训练、推理、科学计算与图形渲染,实现性能与成本最优平衡。
|
人工智能 自动驾驶 vr&ar
探索GPU算力平台的创新应用:从游戏到自动驾驶的跨越
【8月更文第5天】本文探讨了GPU(图形处理器)在现代计算中的角色转变,从最初的图形渲染到如今成为人工智能和高性能计算的重要组成部分。我们将通过几个具体的案例研究,包括游戏渲染、虚拟现实(VR)以及自动驾驶系统,来展示GPU是如何推动这些领域的进步和发展。
484 1
|
测试技术 异构计算
|
机器学习/深度学习 测试技术 PyTorch
深度学习之测量GPU性能的方式
在深度学习中,测量GPU性能是一个多方面的任务,涉及运行时间、吞吐量、GPU利用率、内存使用情况、计算能力、端到端性能测试、显存带宽、框架自带性能工具和基准测试工具等多种方法。通过综合使用这些方法,可以全面评估和优化GPU的性能,提升深度学习任务的效率和效果。
1548 5
|
机器学习/深度学习 并行计算 PyTorch
如何搭建深度学习的多 GPU 服务器
如何搭建深度学习的多 GPU 服务器
1306 5
如何搭建深度学习的多 GPU 服务器
|
人工智能 调度 开发工具
xGPU来啦!免费GPU资源开发花样AI应用!
为了降低AI应用服务和推广的门槛,解决开发者面临的实际痛点,ModelScope社区推出 xGPU 服务,让大家能够免费使用高性能 GPU 资源,托管自己的AI应用服务。
|
机器学习/深度学习 测试技术 PyTorch
深度学习之测量GPU性能的方式
在深度学习中,测量GPU性能是一个多方面的任务,涉及运行时间、吞吐量、GPU利用率、内存使用情况、计算能力、端到端性能测试、显存带宽、框架自带性能工具和基准测试工具等多种方法。通过综合使用这些方法,可以全面评估和优化GPU的性能,提升深度学习任务的效率和效果。
1691 3

热门文章

最新文章