Entwickelt für KI-Training, Inferenz und Machine Learning Die Tyan-Server mit T4-GPUs von Nvidia

Redakteur: Ulrike Ostler

Auf der derzeit laufenden „GPU Technology Conference“ (GTC) von Nvidia in San José zeigt Tyan, ein Unternehmen der Mitac Computing Technology Corporation, seine jüngsten Serverplattformen her, die den Akzeleratoren „Nvidia T4“, „Nvidia V100 Tensor Core“ und „Nvidia Quadro RTX 6000“ ausgestattet sind. Die hochdichten Rechner sind gedacht für rechenintensive Workloads wie Deep Learning Training, Inferenz und fotorealistisches Rendering.

Anbieter zum Thema

Tyan zeigt auf der GTC 2019, die noch bis zum 21. März in San José stattfindet, neue KI-, Inferenz-optimierte GPU-Plattformen mit „Nvidia T4“-Akzeleratoren.
Tyan zeigt auf der GTC 2019, die noch bis zum 21. März in San José stattfindet, neue KI-, Inferenz-optimierte GPU-Plattformen mit „Nvidia T4“-Akzeleratoren.
(Bild: Tyan)

Danny Hsu, Vice President der Tyan Business Unit von Mitac, beschreibt das Gezeigte wie folgt: „Das Portfolio an GPU-Serverplattformen von Tyan nutzt die Vorteile der neuen Turing-Tensor-Cores des Nvidia T4 voll aus und ist so optimiert, dass sich die Effizienz in Scale-Out-Computerumgebungen eines Rechenzentrums steigern lässt.“ Der Grafikprozessor „T4“ basiert auf der in vergangenen Jahr vorgestellten „Turing“-Architektur von Nvidia und verfügt sowohl über Multipräzisionskerne „Tensor Cores“ als auch neue „RT“-Kerne.

  • Für maximale GPU-Dichte und Leistung unterstützt der 4U-Server „Thunder HX FA77-B7119“ bis zu 20 Nvidia T4-Grafikprozessoren, 3 Terabyte Speicher und 14 im laufenden Betrieb austauschbare 2,5"-Laufwerke.
  • Das Modell „Thunder HX FT85-B7119“ unterstützt zwölf, im laufenden Betrieb austauschbare 3,5"-Laufwerke, indem es die gleichen Server-Karten in einem neuen Gehäuse auf vier Höheneinheiten bereitstellt.

Beide Systeme eignen sich insbesondere für KI-Trainings- und Inferenz-Anwendungen.

Die 1U Single-Socket AMD Epyc Prozessor-basierte Plattform kommt mit Unterstützung für bis zu 6 Nvidia T4 oder 4 Quadro RTX 6000 Grafikkartenbeschleuniger, 16 DDR4 DIMM-Steckplätzen, 5 PCIe x16 Steckplätzen und zwei 2,5" Hot-Swap-SATA 6Gb/s.
Die 1U Single-Socket AMD Epyc Prozessor-basierte Plattform kommt mit Unterstützung für bis zu 6 Nvidia T4 oder 4 Quadro RTX 6000 Grafikkartenbeschleuniger, 16 DDR4 DIMM-Steckplätzen, 5 PCIe x16 Steckplätzen und zwei 2,5" Hot-Swap-SATA 6Gb/s.
(Bild: Tyan)

  • Der Server „Thunder HX FT77D-B7109“ ist ein weiteres 4U-System, das bis zu 16 T4-GPUs unterstützen kann. Gedacht ist der Rechner für massiv parallele Workloads wie wissenschaftliche Berechnungen und Gesichtserkennung.
  • Bei dem Rechner „Thunder HX FT48T-B7105“ handelt es sich um eine Ein-Sockel-Workstation-Plattform, die bis zu zehn Nvidia T4 GPUs unterstützt. Die High-End-Workstation bietet professionellen Usern einen hohen Input/Output und eignet sich insbesondere für 3D-Rendering und Bildverarbeitung.
  • Das Modell „Thunder HX GA88-B5631“ basiert auf „Intel Xeon Scalable“- Processoren, das Modell „Transport HX GA88-B8021“ auf „AMD Epyc“. Beide bieten Unterstützung für bis zu sechs T4-GPUs innerhalb eines 1U-Servers. Neben den Grafikkarten bieten sie zudem einen zusätzlichen PCIe x16-Steckplatz für Hochgeschwindigkeits-Netzwerkadapter mit bis zu 100 Gb/s wie EDR Infiniband oder 100 Gigabit Ethernet.

Nach Herstellerangaben gehören diese Plattformen zu den branchenweit dichtesten GPU-Servern auf dem Markt und sind ideal für künstliche Intelligenz, maschinelles Lernen und Deep Neural Network Workloads. Darüber hinaus können GA88-B5631 und GA88-B8021 bis zu vier „Nvidia Quadro RTX 6000“ GPUs für Visual Computing bereitstellen.

Ferner nutzt Tyan Thunder HX TA88-B7107 die „Nvidia NVLink“- Technologie und unterstützt acht „Nvidia V100 SXM2“ GPUs mit 32 Gigabyte in einem 2U-Server-Gehäuse. Mit vier PCIe x16-Steckplätzen für Hochgeschwindigkeits-Netzwerke und 24 DIMM-Steckplätzen, die bis zu 3 Terabyte Systemspeicher unterstützen, ist das Modell HX TA88-B7107 laut Hersteller die GPU-Serverplattform mit der höchsten Leistung für Anwendungen der Künstlichen Intelligenz und des Machine Learning.

(ID:45811953)