| 查看: 190 | 回复: 0 | |||
[交流]
深度学习训练服务器怎么选？
|
|
深度学习（Deep Learning）可以完成需要高度抽象特征的人工智能任务，如机器视觉和图像识别、自然语言处理、语音识别和机器翻译等。深度学习采用的模型为深层神经网络（Deep Neural Networks，DNN）模型，即包含多个隐藏层（Hidden Layer，也称隐含层）的神经网络（Neural Networks，NN）。深度学习利用模型中的隐藏层，通过特征组合的方式，逐层将原始输入转化为浅层特征，中层特征，高层特征直至最终的任务目标。 深层模型参数多，计算量大，训练数据的规模也更大，需要消耗很多计算资源。利用GPU来训练深度神经网络，可以充分发挥其数以千计计算核心的高效并行计算能力，在使用海量训练数据的场景下，所耗费的时间大幅缩短，占用的服务器也更少。如果对深度神经网络进行合理优化，一块GPU卡可相当于数十甚至上百台CPU服务器的计算能力，因此GPU已经成为业界在深度学习模型训练方面的首选解决方案。 一般来说，GPU卡数量越多越能提升深度学习模型训练的速度，深度学习模型训练还需要存储海量的训练数据，训练过程中会有大量的小文件频繁读写，对于方案的存储容量和硬盘读写速度均有较高要求。 软件方面，深度学习训练服务器出厂可预装TensorFlow，Pytorch等常用或者客户指定的深度学习框架，集成CUDA开发环境，cuBlas，cuFFT，cuSparse，CUDNN等多种函数库，安装Ubuntu，CentOS等多种操作系统，部署机器管理系统和作业调度系统软件。 深度学习训练服务器分为静音塔式服务器和机架式服务器两种，适应客户办公室和机房不同的使用场景。 机器硬件方面，深度学习训练服务器既有基于Intel Xeon CPU平台方案，又有基于AMD EPYC CPU平台方案，具有支持2GPU卡、4GPU卡、8GPU卡、10GPU卡等多种机型，以及以这些机型为基础构建的GPU集群方案，可以满足科研人员多层次需求、深度学习训陈服务器支持高达2个2260、2280、22110 M.2 SSD硬盘位，高达4个2.5英寸热插拔U.2 SSD硬盘位，支持高达12块3.5英寸热插拔SATA/SAS硬盘位，可以满足用户对硬盘读写速度的要求，和存储容量的要求。 |
回复此楼» 猜你喜欢
审不上青基又非升即走的青椒 和 牢里踩缝纫机的犯人哪个活的更舒服一点？
已经有6人回复
-
绍兴文理学院怎么样？有没有坑啊
已经有21人回复
-
青年拔尖出炉
已经有7人回复
-
双非博士还是985科研助理，然后再读博
已经有11人回复
-
蹲一个男朋友
已经有34人回复
-
海南大学国家级人才田新龙教授团队氢燃料电池与器件方向招收科研助理 (重点支持方向)
已经有9人回复
-
换导师
已经有25人回复
-
又见奇葩学生，可咋办
已经有29人回复
-
word转成pdf之后公式里面的字体变了，正文字体没变。
已经有5人回复
-
除DMSO
已经有6人回复
48