工作站工作站是什么

系统规格GPU4块TeslaV100TFLOPS(GPUFP16)480GPU显存64GB系统总容量NVIDIATensor核心数量2,560NVIDIACUDA核心数量20,480CPUIntelXeonE5-2698v42.
2GHz(20核)系统内存256GBLRDIMMDDR4存储空间数据:3X1.
92TBSSDRAID0操作系统:1X1.
92TBSSD网络Dual10GbLAN显示器支持3个DisplayPort接口,支持4K分辨率声音计算性能.
之前,AI超级计算一直囿于数据中心,这对那些需要在大规模训练前开发和>测试深度神经网络的实验造成了限制.
现在我们带来了一种新的解决方案,既能支持>深度学习实验,又能让AI超级计算性能触手可及.
开创性AI,尽在桌面工作站现在,一台工作站就可以提供相当于400个CPU的计算能力,而所需功耗不足其1/20,工作站还能方便地置于桌下.
NVIDIADGXStation具有出色的深度学习与分析性能,专为办公室及安静场所设计,噪音仅为其他工作站的1/10.
该工作站包含经优化的深度学习软件并可运行热门的分析软件,借助于此,数据科学家和AI研究人员可以即刻提高工作效率.
更快开始使用深度学习DGX工作站打破了构建自己的深度学习平台的诸多限制.
过去,硬件及软件的购置、集成和测试可能就要花一个月或更长时间.
此外,优化框架、库及驱动程序还需掌握更多专业知识,付出更多努力.
这些用在系统集成和软件工程上的宝贵时间和金钱,现在可以用于训练和实验.
NVIDIADGX工作站专为推动您的AI计划而设计,其精简优化的即插即启动的使用体验,让您当日即可开始深度神经网络的训练.
如需了解更多信息,请访问www.
nvidia.
com/dgx-station2017NVIDIACorporation.
保留所有权利.
NVIDIA、NVIDIA徽标和Iray均为NVIDIACorporation的商标和/或注册商标.
所有公司和产品名称均为相应所有者的商标或注册商标.
功能、定价、供货信息和规格如有变更,恕不另行通知.
2017年6月从桌面到数据中心,显著提升工作效率构建深度学习平台需要具备软件工程专业知识,以优化现有框架,>从而实现最佳性能,同时还需要花时间等待开源软件的稳定版本.
>这意味着因工作效率低下而导致的经济损失非常巨大,相比之下,>购置硬件的初始费用显得微不足道.
NVIDIADGX工作站使用的软件堆栈与所有DGX解决方案相同.
>该创新的集成式系统可访问热门的深度学习框架,这些框架每月>更新一次,且经由NVIDIA工程师优化,能够提供最佳性能表现.
>该系统还可访问NVIDIADIGITS深度学习训练应用程序、第三方>加速解决方案、NVIDIA深度学习SDK(例如cuDNN、cuBLAS)、>CUDA工具包、快速多GPU集合通信库NCCL以及NVIDIA驱动程序.
该统一深度学习软件堆栈基于NVIDIADocker提供动力支持的容器>技术构建,能够简化工作流程,当您需要扩展工作以及在数据中心或云端部署模型时,它能协助节省重新编译的时间.
DGX工作站上运行的工作负载可以毫不费力地原样迁移至DGX-1或云端,无需任何>修改.
超级计算性能,尽在桌面工作站DGX工作站的外形规格与普通工作站无异,却能提供AI超级计算机级别的卓越性能,它充分利用创新工程设计和水冷却系统,实现无噪声运行.
NVIDIADGX工作站拥有高达480万亿次浮点运算性能,是目前首款也是唯一一款基于4个NVIDIATeslaV100加速器构建的工作站,同时采用了下一代NVLink以及全新Tensor核心架构等创新技术.
此突破性解决方案具有如下优势:>>相较现今最快的GPU工作站,深度学习训练性能提升了3倍>>相较20节点Spark服务器集群,大数据集分析速度提高100倍>>由于采用NVIDIANVLink技术,I/O性能较之通过PCIe方式>相连的GPU提升5倍>>在深度学习训练方面实现最大通用性,每秒可以推理30,000张图像投资保护借助DGX工作站,您可以获得企业级支持、NVIDIA深度学习专业知识、>专家训练库以及软件升级与更新,而且您的紧急问题还能得到优先处理.
所有这些,尽在DGX工作站.
要了解关于NVIDIADGX工作站的详细>信息,请访问www.
nvidia.
cn.
GPU驱动程序NVIDIA驱动程序系统主机操作系统深度学习用户软件NVIDIADIGITS第三方加速解决方案容器化工具NVIDIADocker深度学习框架NVIDIADGX工作站软件堆栈15小时,速度提高47倍36小时,速度提高20倍711小时NVIDIADGX工作站可将训练速度提高47倍DX工作站深度学习训练加速4卡PU工作站双路PU工作站0倍10倍20倍30倍40倍50倍