深度学习服务器/工作站，不能单独考虑硬件配置高低，以及预算多少，要根据使用者的类型，配置合理的硬件，硬件配置至少分为两个类型：
一、深度学习开发工作站/服务器
基本要求：
1、处理器:8核或以上
2、内存：64G内存或以上
3、GPU：1-4块GTX1080Ti,GTX Titan XP/V,Quadro GP100
阅读全文 → 2022-11-07
不建议不同架构不同类型的显卡安装在统一平台协同工作，做深度学习训练时即便能正常使用，也可能会导致性能较高的显卡存在性能损失的情况。这与软件应用相关，原则上不太建议这样使用。
阅读全文 → 2022-11-07
从两方面来说，在P100、V100这些平台上工作，能保证新平台性能翻了多少倍，实际的性能也是按照比例去提升，所以一方面平台的提升，让大气模型性能得到提升。另一方面反过来，大气模型也有提升的空间，但是欧拉比较准确的，欧拉在往上还有A次方程，准确性越高，复杂度越高，想算的准确率越高，复杂度也会越高，会把性能再拉下来，想要算的更准就要往下拽性能，想要用更好的GPU去提性能，是一个膨胀的过程。目前对咱们国家来说，模式发展是一个很好的契机，我这五六年一直在
阅读全文 → 2022-11-04
从描述上来说，看起来用到的kernel数目并不多，到现在为止，只在一些网络甚至神经网络相关的一些博客里面看到有大量的小的up操作，当kernel数目调度非常大时，kernel调度可能会变成一个问题，但是若针对一个kernel或者说几个kernel，kernel调度的开销基本上可以忽略，它并不是解决问题规模特别大，调度的开销就越大，所以我认为更有可能是当规模变大之后，特别是cash的行为可能发生很大的变化,这可能是其中一个原因。但是总体
阅读全文 → 2022-11-04
对深度学习训练的GPU要求和算法需求有关了。如果你编程能力较强，可以考虑直接用pytorch重写这些sklearn的算法，sklearn是基于numpy的，而pytorch提供的矩阵操作与numpy非常接近，所以移植难度可能并不是很高。这样有个巨大的好处是，tensor可以保持在高性能计算GPU不用读出来，效率非常高。一般网络之外比较简单的计算都是这么做的，如果搞深度学习训练的话你应该见过很多了。算法比较复杂的话，可以直接找目标算法是不是已经有cuda/o
阅读全文 → 2022-11-04
液冷服务器在近几年低碳节能绿色等政策的加持之下讯猛发展。经过行业验证，并不断的更新迭代，液冷服务器中的液冷泵是液体冷却回路的重要部件，每台水冷工作站、液冷服务器都配备了两个GPU服务器液冷泵，以确保在其中一个泵发生故障时冷却液的恒定流量。
液冷服务器由 3+1 80Plus 金牌级服务器级电源装置进一步支持。液冷服务器的电源是恒定功率、平衡负载共享、热插拔单元。液冷服务器可能会遭受其中一个电源的完全故障。
阅读全文 → 2022-11-04
网络研讨会
了解更多
注册以接收 蓝海大脑 活动/网络研讨会邀请
地址：北京市海淀区东北旺南路29号蓝海中心
联系电话：010－82770520
联系邮箱：marketing@lanhy.cn
蓝海大脑 京ICP备18017748号-1