当前位置:

OFweek人工智能网

机器学习

正文

IBM发布首个Power9系统,瞄准深度学习AI

导读: 最新基于Linux的AC922 Power Systems可以加速深度学习训练时间,缩短4倍。除了处理器的性能提升之外,该系统还采用了最新的PCIe 4.0扩展总线。

IBM发布首个Power9系统,瞄准深度学习AI

最新基于Linux的AC922 Power Systems可以加速深度学习训练时间,缩短4倍。除了处理器的性能提升之外,该系统还采用了最新的PCIe 4.0扩展总线、Nvidia NVLink 2.0高速互连以及OpenCapi——一种用于将微处理器与内存、加速器、IO设备以及其他处理器的接口架构。IBM表示,这种组合能让性能提升10倍。

Pund-IT总裁、首席分析师Charles King表示:“Power9在迁移数据方面是绝对出色的,这对以AI为中心的流程来说至关重要。因为AI依赖于数千次反复进行的深度学习练习,所以Power9系统可以减少大量时间。”

AC 922服务器采用2个Power9处理器,最多6个由NVLink接口连接的Nividia GPU。“这对任何加速工作负载来说都是非常棒的,”IBM洪高性能计算、人工智能和机器学习副总裁Sumit Gupta这样表示。

“机器学习数据集是巨大的,我们把数据迁移到加速器上的速度要远远快于迁移到英特尔系统上。”IBM表示,Power9将是美国能源部“Summit”和“Sierra”超级计算机的核心。

IBM最近经常提及摩尔定律曲线的终结,该定律称处理器密度每年会翻一番,持续超过50年。随着CPU速度缓慢提高,系统制造商一直在寻找诸如GPU等外部加速器来提升性能。这就是为什么引入PCIe 4.0和NVLink 2.0很重要的原因。NVLink 2.0可以的通信性能可以达到每秒25千兆比特,这是英特尔x86系统中采用PCIe 3.0速度的7到10倍。

Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示:“Power9就像是瑞士军刀版的AI加速器。你可以接入地球上性能最高的加速器,配置连贯的内存,这意味着加速器可以直接访问系统内存。”

使用协同处理器可以使用板载加速器上并行运行任务来提升整体性能,但是CPU制造了一个瓶颈。他说:“最大的问题就是数据通过网络到达CPU内存,每个加速器也有它自己的内存,这样你需要将数据迁移到加速器。”

每个GPU有16GB的内存,CPU和GPU之间的带宽速度影响整体性能。Gupta表示:“从本质上讲,Power9有三个接口可加速连接到其他设备以及连接到存储级内存的速度。”

NVLink 2.0是其中最重要的,Moorhead表示。“首先增加PCIe是一个很大的提升,但是我相信增加NVLink会更加显著。这让企业在同一台服务器上使用多个GPU获得性能和一致性的优势。”

IBM在4年前成立了OpenPower联盟,旨在取代英特尔的主导地位,专注于协作开发和高性能系统。该组织吸引了包括Google在内的300多名成员,但是并没有对英特尔的市场份额产生重大影响。Google在2016年春季宣布计划在Power9芯片的基础上构建一个新的服务器,但自那之后,却鲜少有对该项目的描述。

IBM表示,Power9是对酝酿4年的处理器家族的重建。有一系列系统计划在2018年公布,但IBM没有提供具体细节。Pund-IT公司的King表示,这是值得等待的,Power9是一个“AI巨擎。如果Power9和IBM相关系统如期供货的话,那将给很多AI项目和计划带来重要影响”。

IBM并没有透露定价,但是Gupta表示,成本与x86系统相比是有竞争力的。

声明: 本文系OFweek根据授权转载自其它媒体,转载目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: