深度学习训练与神经网络计算架构配置分析
目录
1 深度学习训练平台与理想计算架构
2 深度神经网络计算特点与硬件配置分析
3 UltraLAB GXM图灵工作站与配置推荐
(一)深度学习训练平台现状与完美计算架构
深度神经网络(DNN)计算数据模型繁多,结构复杂,主流模型含几十个隐含层,每层都在上千上万级的神经元,整个网络更多,其计算量巨大,
市场上用于深度学习的训练计算机大致情况,
(1)服务器/工作站(支持2、4、8块GPU架构):普遍存在噪音大,无法放置于办公环境,必须放到专门的机房,维护成本高,另外数据存储带宽、延迟、容量也不尽如意
(2)分布式集群架构:性能强大,但是开发成本太高,是大多数科研单位无法承受
那么问题来了,市场上是否有一个理想产品,弥补上述缺陷,让更多单位都能用的起~人工智能AI超级异构计算机
UltraLAB GXM图灵计算工作站是目前市场上一款集GPU超算、海量存储于一体、基于办公静音环境、应用于深度学习(机器学习、人工智能)的AI超级计算机系统。
和市面上深度学习计算机系统相比,显著优势:
1.完全处于办公环境(静音级)、不在被噪音所困扰
2.配备基于PCIe总线的海量高速并行存储(最大容量180TB),延迟低,支持最大15个并行读,硬盘io性能大幅提升,性能和管理远超传统的DAS/NAS存储系统
3.配备超级强大的计算能力,最大10个GPU卡,3.82万计算核,单精度浮点120Tflops
4.不需要专门的机房,不占过多空间,维护成本极低
5.不需要作业调度系统,管理难度大幅降低
(二)深度神经网络计算特点与硬件配置分析
市场上大部分GPU计算机(服务器/工作站),重点都放在GPU卡数量上,似乎只要配上足够GPU卡,就可以了,实际情况是,机器硬件配置还需要整体均衡,只有这样这台机器性能才能更好的发挥
上述图示,深度神经网络计算大致流程,下面通过深度神经网络计算环节,分析核心硬件配置理想要求
1.数据存储要求
做深度学习首先需要一个好的存储系统,将历史资料保存起来
主要任务:历史数据存储,如:文字、图像、声音、视频、数据库等。。。
性能要求:
a.数据容量:提供足够高的存储能力,
b.读写带宽:多硬盘并行读写架构提高数据读写带宽
c.接口:高带宽,同时延迟低
传统解决方式:专门的存储服务器,借助万兆端口访问
缺点:带宽不高,对深度学习的数据读取过程时间长(延迟大,两台机器之间数据交换),成本高
UltraLAB解决方案:将并行存储直接通过PCIe接口,提供最大16个硬盘的并行读取,数据量大并行读取要求高,无论是总线还是硬盘并行带宽,都得到加大提升,满足海量数据密集io请求和计算需要
2.CPU要求
主要任务:
(1)数据从存储系统调入到内存的解压计算
(2)GPU计算前的数据预处理
(3)运行在代码中写入并读取变量执行指令,如函数调用启动在GPU上函数调用,创建小批量数据启动到GPU的数据传输
(4)GPU多卡并行计算前,每个核负责一块卡的所需要的数据并行切分处理和控制
(5)求解后数据保存前的压缩计算
上述每一类操作基本都是单核计算模式, 如果要加速这些过程,唯有提升CPU频率
传统解决方式:CPU规格很随意,核数和频率没有任何要求
UltraLAB合理推荐:
a.CPU频率:越高越好
b.CPU三级缓存:越大越好
c.CPU核数:比GPU卡数量大(原则:1核对应1卡,核数要有至少2个冗余)
3.GPU要求
主要任务:承担深度学习的数据建模计算、运行复杂算法
传统架构:提供1~8块GPU
UltraLAB合理推荐:
a.数据带宽:PCIe8x 3.0以上
b.数据容量:显存大小也很关键
c.计算匹配:CPU核-GPU卡 1对1
d.GPU卡加速:多卡提升并行处理效率
4 内存要求
主要任务:存放预处理的数据,待GPU读取处理,中间结果存放
UltraLAB合理推荐:
a.数据带宽最大化:单Xeon E5v4 4通道内存,双Xeon
E5v4 8通道内存,内存带宽最大化
b.内存容量合理化:大于GPU总显存
(三)UltraLAB GXM图灵计算工作站介绍与配置推荐
针对上述深度学习应用计算特点,UltraLAB图灵工作站具有深度学习最合理硬件配置架构,保证整个机器是一台理想化异构超算系统,完美强大高效还静音,目前提供两种机型:GX480M和GX610M
3.1 图灵计算工作站技术规格
机型 | 硬件配置规格 | |||
CPU | GPU | 内存 | 存储 | |
GX480M | 单CPU架构 6核4.5GHz 8核4.3GHz 10核43GHz | 最大6块GPU | 最大256GB | 并行存储, 最大180TB |
GX610M | 双Xeon架构 2*Xeon E5 2637v4 (共计8核3.5GHz) 2*Xeon E5 2643v4 (共计12核3.4GHz) 2*Xeon E5 2667v4 (共计16核3.2GHz) | 最大10块GPU | 最大1TB | 并行存储, 最大180TB |
技术规格一览表
(1)GX480M技术规格一览表
NO | 主要项 | 技术规格 |
1 | CPU | 1颗intel 至尊处理器 推荐型号:6850K OC(6核4.5GHz) 6900K OC(8核4.3GHz) 6950X OC(10核4.3GHz) |
2 | 芯片组 | intel X99+PCH |
3 | 内存 | 插槽:8个, 规格:DDR4 2400 Reg ECC 最大容量:256GB(8根32GB) |
4 | GPU卡 | 数量:最大7个 接口:PCIE 8x 3.0 GPU种类:Nvidia Geforce,Quadro,Tesla Intel Xeon Phi,AMD Streamfire 备注:散热系统必须是主动式 |
5 | 系统盘 | 数量: 2块 单盘容量:512GB/1TB/2TB/4TB SSD SATA-6Gbps接口, 支持RAID1 |
| 数据盘 | 数量:16块, 单盘容量:4TB/6TB/8TB/10TB/12TB SATA 企业级, 最大容量180TB(RAID5),PCIe 4x 2.0接口 |
6 | 光驱 | DVD刻录 |
7 | 平台 | 型号UltraLAB S2AGDT01PCS 电源 1600w,数量1个(四块GPU卡) 或2个(5个以上) 机箱:双塔式 机箱尺寸:深度658mm,宽度478mm,高度674mm 输出口: 2个千兆以太端口(可选万兆), 4个USB 3.0口,2个USB2.0,1个VGA口 硬盘位:16个3.5”热插拔,最大容量180TB PCI扩展槽:7个PCIe 16x |
8 | 键盘鼠标 | 键盘:104键、有线、USB口, 鼠标:1000dpi精度、光电、有线、USB口 |
9 | 显示器 | 23”图显(高清,可升降转向,数量2台) |
10 | 整机优化 | 2.1 自动超频加速优化; *2.2 高性能低延迟优化; |
11 | 操作系统 | 支持Window 7/8/10, Windows 2008/2012/2016 支持Ubuntu 全系列 |
12 | 支持深度学习框架 | Nvidia GPU驱动程序,CUDA , Nvidia Digits, Nvidia cuDNN Caffe,Torch ,TensorFlow,CNTK,Theano, Chainer,DL4J,MXNet |
(2)GX610M技术规格一览表
NO | 主要项 | 技术规格 |
1 | CPU | 2颗Xeon E5 2600v4 推荐型号:Xeon E5 2637v4(4核3.5GHz) Xeon E5 2643v4 (6核3.4GHz) Xeon E5 2667v4(8核3.2GHz) Xeon E5 2687Wv4(12核3.0GHz) |
2 | 芯片组 | intel C612+PCH |
3 | 内存 | 插槽:16个, 规格:DDR4 2400 Reg ECC 最大容量:1TB(16根64GB) |
4 | GPU卡 | 数量:最大10个 接口:PCIE 8x 3.0 GPU种类:Nvidia Geforce,Quadro,Tesla Intel Xeon Phi,AMD Streamfire 备注:散热系统必须是主动式 |
5 | 系统盘 | 数量: 2块 单盘容量:512GB/1TB/2TB/4TB SSD SATA-6Gbps接口 支持RAID1 |
| 数据盘 | 数量:16块, 单盘容量4TB/6TB/8TB/10TB/12TB SATA 企业级, 最大容量180TB(RAID5),PCIe 4x 2.0接口 |
6 | 光驱 | DVD刻录 |
7 | 平台 | 型号UltraLAB S2AGDT01PCS 电源 1600w,数量1个(四块GPU卡) 或2个(5个以上) 机箱:双塔式 机箱尺寸:深度658mm,宽度478mm,高度674mm 输出口: 2个千兆以太端口(可选万兆) 4个USB 3.0口,2个USB2.0,1个VGA口 硬盘位:16个3.5”热插拔,最大容量180TB PCI扩展槽:10个PCIe 8x 3.0, 1个PCIe 4x 2.0 |
8 | 键盘鼠标 | 键盘:104键、有线、USB口, 鼠标:1000dpi精度、光电、有线、USB口 |
9 | 显示器 | 23”图显(高清,可升降转向,数量2台) |
10 | 整机优化 | 2.1 自动超频加速优化; *2.2 高性能低延迟优化; |
11 | 操作系统 | 支持Window 7/8/10, Windows 2008/2012/2016 支持Ubuntu 全系列 |
12 | 支持深度学习框架 | Nvidia GPU驱动程序,CUDA ,Nvidia Digits, Nvidia cuDNN,Caffe,Torch ,TensorFlow, CNTK,Theano,Chainer,DL4J,MXNet |
3.2 产品特点
(1)集GPU超算、并行存储于一体的超级训练系统
基于办公环境,静音级
支持最大10块GPU超算,单精度浮点最大到120Tflops
配备高速并行存储(16个盘位),最大180TB容量
支持双Xeon E5v4高频处理器,加速密集预处理、高强度数据压缩等计算环节
拥有CPU+GPU完美的深度学习架构
(2)预装完整开发工具的硬件系统,帮助快速启动深度学习研究项目
基于GPU工作站系统,预装深度学习所需的软件:Nvidia 驱动程序,CUDA工具包,cuDNN,开源工具TensorFlow,Cafe,Torch,NVIDIA DIGITS等
3.3深度学习工作站硬件配置参考
(1)GX480M机型配置参考(超值型)
该机型特点:支持最大到6块GPU卡,CPU的频率达到极致,每个环节保证达到最理想性能,整体配置均衡无死角,满足深度学习训练硬件配置要求
NO | CPU | 内存 | GPU/总显存 | 单精度 | 系统盘 | 并行存储 | 平台 | 售价 |
1 | 6850K OC (6核4.5GHz) | 32GB | 1块GTX1080 8GB | 8Tflops | 512GB SSD | 4TB | 双塔单电 | 46500 |
2 | 6850K OC (6核4.5GHz) | 32GB | 2块GTX108016GB | 16Tflops | 512GB SSD | 2*4TB | 双塔单电 | 55000 |
3 | 6850K OC (6核4.5GHz) | 64GB | 3块GTX108024GB | 24Tflops | 512GB SSD | 3*4TB | 双塔单电 | 67500 |
4 | 6900K OC (8核4.3GHz) | 64GB | 4块GTX108032GB | 32Tflops | 1TB SSD | 28TB | 双塔单电 | 98000 |
5 | 6900K OC (8核4.3GHz) | 96GB | 6块GTX1080Ti66GB | 68Tflops | 1TB SSD | 36TB | 双塔双电 | 148000 |
备注:含双23”高清图显
(2)GX610M机型配置参考(高性能型)
该机型特点:支持最大到10块GPU卡,CPU的频率和核数达到最大均衡,每个环节保证达到最高性能,整体配置均衡无死角,满足深度学习训练对配置的要求
NO | CPU | 内存 | GPU/总显存 | 单精度浮点 | 系统盘 | 并行存储 | 平台 | 售价 |
1 | 2*Xeon E5v4 (8核3.5GHz) | 64GB | 4块GTX1080 32GB | 33Tflops | 512GB SSD | 28TB | 双塔单电 | 111000 |
2 | 2*Xeon E5v4 (12核3.4GHz) | 128GB | 6块GTX1080Ti 66GB | 68Tflops | 1TB SSD | 36TB | 双塔单电 | 182000 |
3 | 2*Xeon E5v4 (12核3.4GHz) | 192GB | 8块GTX1080Ti88GB | 91Tflops | 1TB SSD | 44TB | 双塔双电 | 215000 |
4 | 2*Xeon E5v4 (16核3.2GHz) | 256GB | 9块GTX1080Ti99GB | 102Tflops | 1TB SSD | 60TB | 双塔双电 | 248000 |
5 | 2*Xeon E5v4 (16核3.2GHz) | 256GB | 10块GTX1080Ti110GB | 113Tflops | 1TB SSD | 90TB | 双塔双电 | 319000 |
6 | 2*Xeon E5v4 (16核3.2GHz) | 512GB | 10块 Quadro P5000 160GB | 89Tflops | 2TB SSD | 120TB | 双塔双电 | 428000 |
7 | 2*Xeon E5v4 (24核3.0GHz) | 512GB | 10块 Quadro P6000 240GB | 120Tflops | 2TB SSD | 150TB | 双塔双电 | 775000 |
备注:含双23”高清图显
关于GPU计算卡主要型号参考
No | 型号 | 显存(MB) | 流处理器SP | 显存带宽(GBs) | 浮点计算指标 TFLOPs (单精度) | 功耗 | 备注 |
1 | Quadro P6000 | 24GB | 3840 | 432 | 11.98 | 250w | 显存和性能最大 |
2 | Quadro P5000 | 16GB | 2560 | 288 | 8.86 | 180w | 显存更大 |
3 | TITAN X | 12GB | 3584 | 480 | 10.97 | 250w | |
4 | GTX1080Ti | 11GB | 3584 | 484 | 11.33 | 250w | 性价比高 |
5 | GTX1080 | 8GB | 2560 | 320 | 8.22 | 180w | 超值 |
6 | GTX1070 | 8GB | 1920 | 256 | 5.78 | 150w | 超值 |
UltraLAB GXM在深度学习模型训练领域
除了热门的语音识别、图像识别、自然语言处理(机器翻译)外,更多应用
制造业 | 生产管理,事故预防,技术更新,不合格产品预判 |
医疗与护理 | 影像诊断,用药管理 |
零售,饮食,食品 | 自动记账,库存控制,店面防盗预防,内部检测,污染检测,可疑人物检测 |
安全监控 | 电梯监控,设备监控,店面监控 |
建筑与房地产 | 工程管理,事故预防,房地产信息查询,设施监控 |
农业与海洋 | 浇水附加肥料,除草和培育作物管理和病虫害防治,野生动物损害控制,水质监测管理,饲养和运输调整,航运 |
仓储与物流 | 库存管理,事故预防,转运和设备维护,异常监测 |
广告与营销 | 客户响应分析,客户行为分析 |
总结
UltraLAB GX610M是一款静音级超级异构计算能力的深度学习训练计算机,比市面上的机器,更安静,性能更强大,适合科研、研究部门在安静的办公环境下运行。
此外,该机型用途极广,扩展能力强, 调整配置后,可为电磁仿真计算(CST)、量子化学/分子动力学计算(VAST、AMBER等)、超大屏拼接(6X10拼接合成)、视频剪辑合成、指纹识别等应用,提供强悍的计算、图形生成能力