|
標(biāo)簽：服務(wù)器，人工智能，浪潮，GPU，
2017年3月5日上午，國務(wù)院總理李克強(qiáng)發(fā)表2017政府工作報(bào)告，指出要加快培育壯大包括人工智能在內(nèi)的新興產(chǎn)業(yè)，“人工智能”也首次被寫入了全國政府工作報(bào)告。結(jié)合上月科技部新聞-“科技創(chuàng)新2030—重大項(xiàng)目”或?qū)⑿略?ldquo;人工智能2.0”，人工智能在中國的政治、經(jīng)濟(jì)、學(xué)術(shù)領(lǐng)域都成為重中之重。因此，可以預(yù)言，這是中國 AI人最好的時(shí)代——2017年，中國人工智能迎來真正的新紀(jì)元。
協(xié)處理計(jì)算加速是人工智能最佳架構(gòu)
深度學(xué)習(xí)概念和淺層學(xué)習(xí)算法已經(jīng)被提出多年，而人工智能近年才開始逐漸升溫，原因?yàn)楹?因?yàn)槿斯ぶ悄芗夹g(shù)進(jìn)步受限于相關(guān)軟件、硬件、算法等性能。特別是人工智能硬件的變革：20世紀(jì)90年代，神經(jīng)網(wǎng)絡(luò)的概念就成為熱點(diǎn)，但是受限于軟硬件計(jì)算平臺(tái)的限制，十余年間的進(jìn)展極其緩慢，直到以GPU為核心的協(xié)處理加速設(shè)備的應(yīng)用，人工智能應(yīng)用效率才得以大大提升。
正如百度首席科學(xué)家吳恩達(dá)所言：“大概在十年前我們都通過普通的CPU進(jìn)行深度學(xué)習(xí)的訓(xùn)練，當(dāng)時(shí)大概有100萬的連接，進(jìn)步是非常慢的。2008年的時(shí)候我們寫了第一篇在CUDA(GPU平臺(tái)上)上進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練的文章，當(dāng)時(shí)是斯坦福大學(xué)的一個(gè)研究，已經(jīng)有了10倍的轉(zhuǎn)變。”
▲相比CPU，更多核心的GPU更適合人工智能應(yīng)用
GPU\FPGA\MIC帶來新的技術(shù)飛躍
從內(nèi)部結(jié)構(gòu)上來看，CPU 中 70%晶體管都是用來構(gòu)建 Cache和一部分控制單元，負(fù)責(zé)邏輯運(yùn)算的部分并不多，控制單元等模塊的存在都是為了保證指令能夠一條接一條的有序執(zhí)行，這種通用性結(jié)構(gòu)對(duì)于傳統(tǒng)的編程計(jì)算模式非常適合，但對(duì)于并不需要太多的程序指令，卻需要海量數(shù)據(jù)運(yùn)算的深度學(xué)習(xí)的計(jì)算需求，這種結(jié)構(gòu)就顯得有心無力了。
與 CPU 少量的邏輯運(yùn)算單元相比，GPU\FPGA\MIC這種協(xié)處理加速設(shè)備整個(gè)就是一個(gè)龐大的計(jì)算矩陣，動(dòng)輒具有數(shù)以千計(jì)的計(jì)算核心、可實(shí)現(xiàn) 10-100 倍應(yīng)用吞吐量，而且它還支持對(duì)深度學(xué)習(xí)至關(guān)重要的并行計(jì)算能力，可以比傳統(tǒng)處理器更加快速，大大加快了訓(xùn)練過程。
目前，高性能的GPU+CPU架構(gòu)服務(wù)器已經(jīng)成為實(shí)現(xiàn)深度學(xué)習(xí)必不可少的基礎(chǔ)硬件。但是，市場(chǎng)上目前有不同廠商提供的GPU服務(wù)器，例如：2U2卡，1U4卡，3U8卡，4U4卡，4U8卡等等服務(wù)器形態(tài)。如何做好選擇，搭建最合理的訓(xùn)練架構(gòu)，是開啟深度學(xué)習(xí)之路的第一步，這一步也會(huì)關(guān)系到后期訓(xùn)練的性能。
浪潮GPU服務(wù)器在國內(nèi)主流人工智能企業(yè)市場(chǎng)占有率超過80%。其中NF5568M4這種4U4卡的機(jī)型備受BAT在內(nèi)的領(lǐng)先企業(yè)青睞，這是為何?
▲浪潮NF5568M4 GPU服務(wù)器
性能為王，但仍需考慮適用性
多卡GPU+CPU架構(gòu)需要大量的GPU核心數(shù)，在單機(jī)內(nèi)的選型原則，以最多卡數(shù)為主。理論上，單機(jī)越多GPU卡的堆疊，性能也會(huì)達(dá)到更高。但是，每塊GPU卡的功耗在235W—250W左右，加上服務(wù)器的CPU和其他部件，一臺(tái)4卡GPU機(jī)器在工作狀態(tài)會(huì)達(dá)到近2000W的功率，而8卡的甚至能達(dá)到3600W以上。
目前，大部分公司的機(jī)房都是租賃的IDC機(jī)房，現(xiàn)在國內(nèi)機(jī)房提供的機(jī)柜一般為42U高度，電量10A，13A或者16A，換算為功率就是2200W,2860W或者3520W。而42U的機(jī)柜用電，被4U高度的GPU全部占用，這顯然不能被接受。因此，像浪潮NF5568M4這類單機(jī)4塊GPU卡的配置是目前互聯(lián)網(wǎng)行業(yè)的主流，既能達(dá)到足夠的計(jì)算能力，又能兼顧機(jī)房用電。
4U高度，給熱空氣一點(diǎn)出路
一臺(tái)4卡GPU服務(wù)器在工作狀態(tài)會(huì)達(dá)到近2000W的功率，而8卡的甚至能達(dá)到3600W以上，如此大的功率就有大量的散熱需求，一般情況下，GPU卡和服務(wù)器風(fēng)扇的設(shè)計(jì)比例是1：1，以滿足散熱需求。但是根據(jù)實(shí)測(cè)1U或2U高度的服務(wù)器，一旦達(dá)到4卡或8卡跑滿，整機(jī)溫度曾經(jīng)飆升到96攝氏度!
為了解決散熱問題，只能大幅度的提高機(jī)器風(fēng)扇的轉(zhuǎn)速，這樣會(huì)大大提高機(jī)器的功耗，功耗問題還是其次，問題是提高風(fēng)扇轉(zhuǎn)速之后帶來較大的噪音和震動(dòng)，會(huì)嚴(yán)重縮減機(jī)器的壽命，甚至?xí)l(fā)生宕機(jī)，給業(yè)務(wù)帶來嚴(yán)重影響。另外1U、2U由于空間受限，也會(huì)對(duì)擴(kuò)展能力產(chǎn)生影響，沒有辦法實(shí)現(xiàn)雙網(wǎng)卡+RAID保護(hù)功能。
浪潮NF5568M4擁有4U的高度，因此內(nèi)部有更多的空間和通道用于散熱，并且單機(jī)設(shè)計(jì)了多達(dá)10個(gè)散熱風(fēng)扇，給熱空氣留一點(diǎn)出路，也就為GPU卡降低一點(diǎn)溫度。
硬件性能的發(fā)揮，更需要軟件的調(diào)優(yōu)
為什么GPU服務(wù)器有如此好的性能，但是采用GPU作為協(xié)處理器加速的企業(yè)卻屈指可數(shù)?因?yàn)閱渭冇辛丝煽康挠布脚_(tái)還不夠，還要將自己的業(yè)務(wù)應(yīng)用能遷移到GPU上去，并且需要經(jīng)過專業(yè)的軟件調(diào)優(yōu)，最大的發(fā)揮GPU的性能。
目前很多互聯(lián)網(wǎng)公司希望運(yùn)用GPU來加速其業(yè)務(wù)，但是由于沒有專門的軟件移植工程師，因此并不能發(fā)揮出GPU的并行計(jì)算性能。因此他們希望能有一套軟硬一體化的解決方案，能夠?qū)⒆约旱臉I(yè)務(wù)快速的部署到GPU集群中。為此，浪潮成立專門針對(duì)深度學(xué)習(xí)的軟件開發(fā)團(tuán)隊(duì)，具備10萬核以上CPU+GPU的大規(guī)模并行算法設(shè)計(jì)、程序開發(fā)和軟件調(diào)優(yōu)能力，并通過自主研發(fā)的開源版本CAFFE-MPI和ClusterEngine高性能計(jì)算管理平臺(tái)，面向人工智能和深度學(xué)習(xí)，幫助用戶進(jìn)行軟件移植、算法調(diào)優(yōu)等工作，加速深度學(xué)習(xí)應(yīng)用在更多領(lǐng)域和企業(yè)落地。
目前，包含GPU服務(wù)器、FPGA定制硬件、caffe-MPI框架等在內(nèi)的浪潮人工智能相關(guān)解決方案在國內(nèi)主流AI領(lǐng)域的占有率超過80%，為百度、阿里巴巴、騰訊、奇虎、搜狗、科大訊飛、今日頭條、Face++等領(lǐng)先企業(yè)提供基于GPU/FPGA/KNL等協(xié)處理加速服務(wù)器和caffe-MPI等軟件、算法優(yōu)化服務(wù)，加速中國人工智能應(yīng)用的發(fā)展。
|
