Server von Quanta Cloud Computing auf der Basis von Quanta Grid D52G-4U

Nvidia und Intel inside - QCT-Hardware für KI- und HPC-Workloads

| Redakteur: Ulrike Ostler

Die jüngsten Server-Modelle von QCT können mit hoher Performance im Trainingsbetrieb und beim Deep-Learning-Einsatz überzeugen.
Die jüngsten Server-Modelle von QCT können mit hoher Performance im Trainingsbetrieb und beim Deep-Learning-Einsatz überzeugen. (Bild: gemeinfrei - geralt/Pixabay / CC0)

Quanta Cloud Technology (QCT) stellt mit „Quanta Grid D52G-4U“ einen neuen Dual-Socket-Server vor, der speziell für den Einsatz in Bereichen wie Künstliche Intelligenz (KI)- und High Performance-Computing (HPC) entwickelt wurde. Die auf dem skalierbaren „Intel Xeon Accelerator Server“ basierende Hardware bietet derzeit drei verschiedene Baseboards.

Baseboard für Nvidia Tesla V100 - Der D52G-4U Server unterstützt bis zu acht GPU-Beschleuniger der Marke „Nvidia Tesla V100 SXM2“ mit einer maximalen Bandbreite von 300 Gigabit pro Sekunde dank der „NVLink“-Technik von GPU-zu-GPU. Aufgrund der hohen Performance im Trainingsbetrieb und des Deep-Learning-Einsatzes eignet sich der Server laut Hersteller dazu, Forschungs- und Entwicklungszeiten für innovative Geschäftsprozesse zu verkürzen.

Abbildung 1: Benchmark des D52G-4U Server in Inception V3 und Resnet-50 Deep Learning Umgebung
Abbildung 1: Benchmark des D52G-4U Server in Inception V3 und Resnet-50 Deep Learning Umgebung (Bild: Quanta Cloud Technology)

Insbesondere nennt QCT die künstlichen, neuralen Netzwerk-Umgebungen (Convolutional Neural Network) „Inception V3“ und das komplexere Netzwerk „Resnet-50“ (siehe: Abbildung 1). Darüber hinaus erreicht der Server beim Betrieb von „Google Net über acht Nvidia Tesla V100 GPU-Beschleuniger eine Leistungsfähigkeit von 96,2 Prozent (siehe: Abbildung 2). Mit seiner Skalierungs-Effizienz ermögliche der D52G Server die größtmögliche Rechenleistung aller GPUs zur Beschleunigung von Trainingsumgebungen, so der Hersteller.

Abbildung 2: Benchmarks des D52G-4U Server in der NvCaffe Deep Learning Umgebung
Abbildung 2: Benchmarks des D52G-4U Server in der NvCaffe Deep Learning Umgebung (Bild: Quanta Cloud Technology)

D52G-4U PCIe Baseboard - Diese zweite Basisplatinen-Variante bietet eine flexible Topologie über acht GPUs doppelter Breite, um entweder die CPU-zu-GPU-Bandbreite oder den GPU-zu-GPU-Datenaustausch zu verbessern. Dies ermöglicht die Feinabstimmung der Performance verschiedener HPC-Applikationen und reduziert das IT-Investitionsrisiko.

D52G-4U mit 20 Single Slots - Je genauer die Trainingsumgebung entwickelt werden kann, desto effizienter lässt sie sich später an viele Benutzer im Effektivbetrieb ausliefern, was ein Schlüsselfaktor für erfolgreiche Geschäftsinnovationen ist. Das D52G-4U-Baseboard mit zwanzig Single-Slots kann mit sechzehn Energie-effizienten Single-Slot-GPUs, wie der „Nvidia Tesla P4“, simultan enorme Inferenzanforderungen erfüllen.

Die Stock Keeping Unit („SKU“) unterstützt auch die Hardwareschnittstelle Infiniband, die sich durch eine hohe Bandbreite und geringe Latenz auszeichnet, um die Leistung zu skalieren. Zudem unterstützt die SKU 24 Speicherbereiche mit kleinen Formfaktoren und NVMe-SSDs mit niedriger Latenzzeit, um so die Zeiten für das Einlesen von IO-Daten zu reduzieren und das leistungsstarke Gerät mit großen Datenmengen zu versorgen.

Was meinen Sie zu diesem Thema?

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45401011 / Server)