GPU在数据中心越来越受欢迎,它可以加速机器学习和深度学习等数据密集型工作负载。现在,全球最大的GPU制造商Nvidia将推出一个与Kubernetes集群配合使用的用例,以加速深度学习模型的训练。
Nvidia本周二表示,将发布Kubernetes on Nvidia GPUs的候选版本,可供开发人员免费使用。该版本是针对那些在多云GPU集群上训练深度学习模型的企业。
Nvidia 是在Computer Vision and Pattern Recognition大会上宣布推出Kubernetes on Nvidia GPUs的,此外还推出了新版本的推理优化工具和运行时引擎TensorRT,以及名为DALI的GPU数据增强和图像加载库,旨在优化深度学习框架的数据管道。
Nvidia表示,推出Kubernetes on Nvidia GPUs背后的想法是为了让软件容器编排平台更加“GPU感知”。Kubernetes on Nvidia GPUs针对的是运行人工智能应用的容器,将帮助开发人员更好地协调散步在多个云主机的GPU集群。
Moor Insights&Strategy创始人兼首席分析师Patrick Moorhead表示:“这很重要,因为Kubernetes托管的应用现在可以利用GPU的性能了。这在虚拟机上将实现比以前更高的可扩展性。”
就在Nvidia这次发布的几周之前,谷歌刚刚在其Kubernetes Engine平台上发布了一个测试版的GPU,旨在加速图像处理和机器学习工作负载。谷歌当时表示,这个云GPU可用于创建由Nvidia Tesla V100、P100和K80处理器驱动的Kubernetes节点池。
Nvidia的TensorRT推理加速器是针对推理模型的开发者。该工具集成了谷歌开源的TensorFlow机器学习框架,并增加了新的层和功能,以加强针对推荐系统、神经机器翻译、图像分类和语音识别等应用的推理。
至于DALI,这是一项为JPEG图像编码提供GPU加速库的服务,旨在解决基于视觉的深度学习应用中的性能瓶颈,目的是为了帮助扩展图像分类系统如PyTorch、TensorFlow和ResNet-50的训练。AWS的P3 8-GPU实例以及Nvidia自己的DGX-1深度学习系统上都将提供DALI。
“深度学习研究人员需要他们的管道是便携的,”Nvidia加速计算软件和AI产品总监Kari Briski说。
好文章,需要你的鼓励
VMware宣布将终止现有渠道合作伙伴计划,新计划采用邀请制,大幅减少授权合作伙伴数量。未受邀合作伙伴将于2025年7月15日收到不续约通知,可继续交易至10月31日。白标计划也将同时终止。此举是18个月内VMware第二次重大合作伙伴调整,旨在专注与少数核心云服务提供商深度合作。客户可能面临续约困难、服务质量下降和成本上升等影响。
StepFun公司推出的Step1X-Edit是首个能够媲美GPT-4o和Gemini2 Flash等商业模型的开源图像编辑AI。该模型通过整合多模态语言理解和扩散图像生成技术,能够处理11种编辑任务,在新构建的GEdit-Bench基准测试中表现优异,为图像编辑技术的民主化开辟了新道路。
谷歌DeepMind和伦敦大学学院研究发现,大语言模型在面对反驳时会迅速失去信心并改变答案,即使反驳是错误的。研究显示LLM既会对自己的答案过度自信,又对批评异常敏感,表现出与人类相似但又独特的认知偏差。这种行为对多轮对话AI系统构成威胁,最新信息可能对LLM推理产生不成比例的影响。
BluOrion公司开发的ZClip是一种智能梯度裁剪算法,解决了大型语言模型训练中的梯度爆炸和损失飙升问题。通过Z分数统计检测和动态调整策略,ZClip能够自适应地控制梯度幅度,相比传统固定阈值方法提升训练效率35%以上,同时显著降低训练失败风险,为大模型训练提供了更稳定、高效的解决方案。