| 查看: 5021 | 回复: 3 | |||
[交流]
深度学习训练服务器怎么选？ 已有1人参与
|
|
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
中国科学技术大学材料与化工281求调剂，有科研和获奖经历
已经有6人回复
-
接收调剂
已经有15人回复
-
0856调剂
已经有10人回复
-
求调剂院校
已经有6人回复
-
299求调剂
已经有7人回复
-
282求调剂
已经有7人回复
-
化工335求调剂
已经有4人回复
-
298求调剂
已经有14人回复
-
成果系统访问量大，请15分钟后再尝试。由此给您造成的不便，敬请谅解。
已经有8人回复
-
课题组接收材料类调剂研究生
已经有6人回复
2楼2024-07-18 09:22:10
3楼2024-07-19 15:05:55
4楼2024-07-19 16:20:31
10