至顶网服务器频道 05月13日 新闻消息: Cray新推出的CS风暴加速集群超级计算机包括Cray CS-风暴 500GT和Cray CS-风暴 500NX两个型号,CS风暴加速集群超级计算机利用大量图形处理器单元(GPU)加速器Nvidia Tesla阵列做超级深度机器学习用,大大 提升了人工智能(AI)功能。
影片连结:https://www.youtube.com/watch?list=PLirJ3rHY8PMwNKBgOfdYn_tx4uan_RZYu&v=48elFB19Oco
Cray为旗下超级计算机深度学习投入大量资源。
Nvidia GPU用于深度学习几乎可以达到线性加速的效果,高达35,840个Cuda GPU可用于AI应用程序的分割和征服法。 Nvidia加速器可以在500GT上与最新的英特尔Xeon“Skylake”处理器很好地整合在一起,而在500NX上则可以很好地与英特尔Xeon E5-2600 v4“Broadwell”处理器紧密整合。 Nvidia Tesla P40或P100 PCIe GPU加速器可用于500GT,而500NX则支持Nvidia Tesla P100 SXM2 GPU加速器。
新的Cray CS风暴 500GT和CS-风暴 500NX针对人造智能进行了优化,内置用于深度机器学习的大型Nvidia Tesla图形处理器加速器阵列。
Cray CS风暴系列运算速度高达每节点每秒187 TERA操作(TOPS),即是说每个用于深度机器学习应用的标准机架的运算速度高达2.618 TOPS。两台超级计算机都使用标准Cray编程环境、Sonexion横向扩展存储和集群管理算法。
Cray在旗下超级计算机用于深度机器学习应用方面投入了重大资源。Cray在不同型号上均提供提供Nvidia加速器和英特尔Xeon Phi加速器(尽管各型号都使用Intel Xeon作为主要处理器,除了较老的、基于CPU机器学习的Cray Urika-GX分析平台用的是Spark MLlib和Cray 图形引擎)。
好文章,需要你的鼓励
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
清华、浙大等高校提出OPID框架,从AI自身完成的任务轨迹中提炼层级化经验技能,转化为密集训练信号,解决强化学习中稀疏奖励难以精细指导决策的问题。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
萨里大学与西蒙菲莎大学联合提出ABACUS模型,首次将物体计数、人群计数、指代计数与精准图像生成统一在单个30亿参数模型中,七项基准全面超越现有专业模型。