NVIDIA hat die Tesla Accelerated Computing Platform angekündigt, eine umfassende Hyperscale-Rechenzentrumsplattform, die es Webdienstanbietern ermöglicht, ihre umfangreichen Machine-Learning-Workloads zu beschleunigen. Die neue Hyperscale-Beschleunigerreihe von NVIDIA umfasst zwei Beschleuniger: die Tesla M40 GPU, mit der Forscher die Entwicklung und das Design neuer Deep Neural Networks für die wachsende Zahl von KI-Anwendungen beschleunigen können; und die Tesla M4 GPU, ein energieeffizienter Beschleuniger für den Einsatz dieser Netzwerke im gesamten Rechenzentrum. Die Tesla-GPU-Reihe findet sich häufig in Serverkonfigurationen wie dem kürzlich getesteten Dell PowerEdge R730 . Zur Reihe gehört auch die NVIDIA Hyperscale Suite, eine Sammlung von Softwareanwendungen, die für Machine Learning und Videoverarbeitung optimiert sind.
Der NVIDIA Tesla M40 GPU-Beschleuniger wurde entwickelt, um Wissenschaftlern beim Training ihrer tiefen neuronalen Netze mit riesigen Datenmengen viel Zeit zu sparen und so die Gesamtgenauigkeit zu verbessern.
Features sind:
- Optimiert für maschinelles Lernen – Reduziert die Trainingszeit um das Achtfache im Vergleich zu CPUs (8 Tage gegenüber 1.2 Tagen für ein typisches AlexNet-Training).
- Gebaut für Zuverlässigkeit rund um die Uhr – Entwickelt und getestet für hohe Zuverlässigkeit in Rechenzentrumsumgebungen.
- Scale-out-Leistung – Unterstützung für NVIDIA GPUDirect ermöglicht schnelles Training neuronaler Netzwerke mit mehreren Knoten.
Der NVIDIA Tesla M4-Beschleuniger ist eine energieeffiziente GPU, die speziell für Hyperscale-Umgebungen entwickelt wurde. Es ist außerdem für anspruchsvolle, wachstumsstarke Webservice-Anwendungen wie Videotranskodierung, Bild- und Videoverarbeitung und maschinelle Lerninferenz optimiert.
Features sind:
- Höherer Durchsatz: Transkodiert, verbessert und analysiert bis zu 5-mal mehr gleichzeitige Videostreams im Vergleich zu CPUs.
- Geringer Stromverbrauch: Mit einem vom Benutzer wählbaren Leistungsprofil verbraucht der Tesla M4 50–75 Watt Strom und bietet eine bis zu 10-mal bessere Energieeffizienz als eine CPU für Videoverarbeitung und maschinelle Lernalgorithmen.
- Kleiner Formfaktor: Das flache PCIe-Design passt in Gehäuse, die für Hyperscale-Rechenzentrumssysteme erforderlich sind.
Die Hyperscale-Beschleunigerreihe von NVIDIA wurde entwickelt, um die Supercomputing-Leistung zu beschleunigen, um die wachsende Zahl tiefer neuronaler Netze zu innovieren und zu trainieren und die Rechenleistung zu erhöhen, damit sofort auf die Milliarden von Anfragen von Verbrauchern reagiert werden kann, die die Dienste nutzen.
Die neue NVIDIA Hyperscale Suite bietet ein umfangreiches Set an Tools sowohl für Entwickler als auch für Rechenzentrumsmanager, die alle für die Bereitstellung von Webdiensten konzipiert sind, wie zum Beispiel:
- cuDNN: Verarbeitet tiefe Faltungs-Neuronale Netze, die für KI-Anwendungen verwendet werden.
- GPU-beschleunigte FFmpeg-Multimedia-Software: Beschleunigt die Videotranskodierung und Videoverarbeitung.
- NVIDIA GPU REST Engine: Ermöglicht die einfache Erstellung und Bereitstellung beschleunigter Webdienste mit hohem Durchsatz und geringer Latenz, die dynamische Bildgrößenänderung, Suchbeschleunigung, Bildklassifizierung und andere Aufgaben umfassen.
- NVIDIA Image Compute Engine: GPU-beschleunigter Dienst mit REST-API, der eine fünfmal schnellere Bildgrößenänderung im Vergleich zu einer CPU ermöglicht.
Mesosphere hat außerdem eine Partnerschaft mit NVIDIA angekündigt, die GPU-Technologie für Apache Mesos und das Mesosphere Datacenter Operating System (DCOS) bereitstellen wird. NVIDIA gibt an, dass dies Webdienstunternehmen den Aufbau und die Bereitstellung beschleunigter Rechenzentren für ihre Anwendungen der nächsten Generation erleichtern wird.
Verfügbarkeit
NVIDIA wird den Tesla M40 GPU-Beschleuniger und die Hyperscale Suite-Software später in diesem Jahr veröffentlichen, während die Tesla M4 GPU irgendwann im ersten Quartal 2016 auf den Markt kommen soll.
Amazon