NVIDIA 於 SC18 會場強調 NGC 與 RAPIDS 使 GPU 運算更易用、更具效率

2018.11.14 07:58AM
Communication, Public Relations, Energy, Exhibition, Electronics, Public, energy, green, technology, energy, design, exhibition, communication, event, electronic device

由於今年包括 Summit 與 Sierra 還有台灣杉 2 等多款基於 NVIDIA GPU 加速的超級電腦陸續上線並在 Top 500 大放異彩,使 NVIDIA 在 SC18 備受注目,而除了展示包括 DGX-2 伺服器、 Tesla V100 、 Tesla T4 等硬體之外, NVIDIA 在 SC18 的攤位相當著重在溝通 NGC 與 RAPIDS 兩項平台上,畢竟 NGC 透過預完成的容器讓開發者快速設立系統,而 RAPIDS 則有效的使多 GPU 運算的效能能夠線性提升,對於 GPU 運算有相當大的幫助。

Flat panel display, Multimedia, Advertising, Electronics, Display advertising, Computer Monitors, Display device, display advertising, electronic device, display device, technology, display advertising, multimedia, electronics, media, flat panel display

Advertising, Exhibition, Electronics, exhibition, technology, exhibition, advertising, electronic device

Computer Monitors, Screenshot, Font, software, green, text, software, display device, computer monitor, technology, multimedia, font, screenshot, electronic device

在 NGC 的展示攤位上, NVIDIA 展示如何從 NGC 下載容器安裝所需要的功能,並將 4TB 的星系模擬數據進行分析演算,再將結果透過多台 DGX 伺服器進行即時渲染產生可視化的即時 3D 星系影像,藉由 NGC 所提供的容器,研究者不需要從頭進行軟體設置,只要下載並安裝好容器與提供資料,即可完成所需的數據分析與模擬。

Computer Monitors, Computer Software, Personal computer, Electronics, Computer, design, technology, display device, electronic device, design, computer monitor, software, computer, electronics, multimedia, personal computer

至於 RAPIDS 則能夠進一步發揮 GPU 運算的價值,解放多 GPU 的 In GPU Memory 運算,將大量的運算資料直接在高速的 GPU 的記憶體進行,不用再反覆地將資料從 GPU 回傳到 CPU 上的 RAM 或是硬碟,同時能夠管理跨系統的多 GPU 運算流程,並以可視化的柱狀圖顯示當前各個 GPU 的運算負載, RAPIDS 對於使用如 Google Cloud 等雲運算服務來說,能使如影像辨識、深度學習或是資料分析等透過租用更多 GPU 的方式加速訓練與分析流程。

Electronics, electronics, technology, electronic device, electronics

Computer hardware, Electronics, Engineering, Electronic engineering, Electrical network, Computer, Central processing unit, Electrical engineering, electronic engineering, technology, electronic engineering, electronics, electronic device, computer hardware, personal computer hardware, cpu, engineering, machine, electrical network

當然 NVIDIA 也不忘在現場展示 DGX-2 伺服器, DGX-2 伺服器之所能夠串接達兩套 NVLink 上共 16 個 GPU 的運算能力與共享記憶體的關鍵,就是 NVSwitch 晶片,透過在兩套 NVLink 的 8 顆 GPU 搭配 6 個 NVSwitch ,使得原本位於兩套 NVLink 的 GPU 也能達到全速的相互連接,也構成一個單一的大型 GPU 加速器。