? ? ? ? 利用 NVIDIA??Tesla??GPU 更快速地處理要求最嚴格的高性能計算和超大規(guī)模數(shù)據(jù)中心工作負載?，F(xiàn)在，數(shù)據(jù)科學(xué)家和研究人員可以在能源勘探和深度學(xué)習(xí)等應(yīng)用場合中解析 PB 級的數(shù)據(jù)，速度比使用傳統(tǒng) CPU 快幾個數(shù)量級。此外，Tesla 加速器提供了比以往更快速地運行大型模擬所需的能力。Tesla 加速器是為任何地方的任何用戶加快虛擬桌面運行速度的理想之選。
要提高數(shù)據(jù)科學(xué)家的工作效率和更快地提供人工智能服務(wù)，關(guān)鍵在于更快地訓(xùn)練日益復(fù)雜的模型。搭載 NVIDIA? Tesla ?P100 的服務(wù)器使用性能強大的 NVIDIA Pascal 架構(gòu)將深度學(xué)習(xí)訓(xùn)練時間從幾個月縮短到幾個小時。
推理是經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)真正發(fā)揮作用的領(lǐng)域。隨著圖像、語音、視覺和視頻搜索等新型數(shù)據(jù)服務(wù)的推出，推理作為很多人工智能服務(wù)的核心起著提供答案和建議的作用。與僅使用單插槽 CPU 的服務(wù)器相比，搭載一個 Tesla GPU 的服務(wù)器可以提供 27 倍的推理吞吐量，因此可以大幅節(jié)省成本。
高性能計算數(shù)據(jù)中心需要滿足科研人員不斷增長的計算需求，同時不能超出緊縮的預(yù)算。過去，部署大量通用計算節(jié)點實際上大幅增加了成本，同時也沒有相應(yīng)地提高數(shù)據(jù)中心的性能。
PCIe 接口的 NVIDIA?Tesla?P100 可讓處理混合型工作負載的高性能計算數(shù)據(jù)中心使用一個加速節(jié)點替代多達半個機架的通用 CPU 節(jié)點，并能在各種高性能計算應(yīng)用程序中提供相同的吞吐量。通過使?550?多種高性能計算應(yīng)用程序（包括全部 10 大高性能計算應(yīng)用程序）加速運行，所有高性能計算客戶現(xiàn)在都能獲得大幅提升的吞吐量，可輕松處理工作負載，而且節(jié)省了成本。
?
?
?
| 工作內(nèi)容 | ?熱門應(yīng)用 | ?主要應(yīng)用在GPU上的應(yīng)用程序 | 混合工作負載HPC | 超大規(guī)模HPC | ||
|---|---|---|---|---|---|---|
| 使用者 | AI/深度學(xué)習(xí) | 超大規(guī)模＆HPC數(shù)據(jù)中心，可運行擴展到多個GPU的應(yīng)用程序 | 超算，高校，政府，研究所 | ?石油和天然氣 | ?人工智能 / 深度學(xué)習(xí) | |
| 優(yōu)化于 | GPU?加速運算 | 最高絕對性能 | ?加快驗證時間 | ?成像精度 | ?訓(xùn)練時間 | ?就業(yè)/愛好/研究 |
| 工作特性 | Volta Architecture, Tensor Core, Next Gen NVLink | 超大規(guī)模＆HPC數(shù)據(jù)中心，可運行擴展到多個GPU的應(yīng)用程序 | ?混合工作需求 | 特定的應(yīng)用程序，如RTM | 深度學(xué)習(xí)框架，如Caffe和TensorFlow | 混合推理工作負載，如圖像，視頻或數(shù)據(jù)處理 |
| 關(guān)鍵要求 |
·性能（雙精度和單精度） ·內(nèi)存大小和帶寬 ·互連帶寬 ·可編程 |
·性能（雙精度和單精度） ·內(nèi)存大小和帶寬 ·互連帶寬 ·可編程 |
·性能（雙精度和單精度） ·內(nèi)存大小和帶寬 ·互連帶寬 |
·性能（單精度） ·每個GPU的內(nèi)存大小 ·互連帶寬 |
·功耗 ·產(chǎn)品結(jié)構(gòu) |
|
| 推薦解決方案 | V100
|
P100
|
混合工作量 K80
|
?訓(xùn)練 P40
|
推理 P4 ?
? |
|
?
