DGX-2H: Nvidia packt 450-Watt-Module in Mini-Supercomputer
Um mehr Leistung zu erreichen, hat Nvidia den DGX-2 auf den DGX-2H aktualisiert: Das System für Deep Learning nutzt weiterhin Tesla V100, jedoch mit 450 Watt statt 350 Watt und somit höheren Taktraten unter Last. Zudem gibt es einen schnelleren 24-Kern-Prozessor.
Nvidia hat seinen Mini-Supercomputer für maschinelles Lernen aktualisiert: Das DGX-2H statt DGX-2 genannte System erreicht nun eine theoretische Rechengeschwindigkeit von 2,1 Petaflops statt 1,92 Petaflops bei Matrixen-Multiplikationen. Dabei kombiniert der Hersteller neue Hardware mit bekannten Komponenten und erhöht bei Letzteren aber die zulässige thermische Verlustleistung für mehr Performance. Der DGX-2H benötigt daher 12 Kilowatt statt 10 Kilowatt wie der ursprüngliche DGX-2.
Im Inneren steckt mit dem Xeon Platinum 8174 eine sogenannte Off-Roadmap-SKU: Der Skylake-SP-Chip hat 24 Kerne und einen Basistakt von 3,1 GHz - eigentlich haben Modelle der 817x-Reihe mehr Cores. Der bisherige Xeon Platinum 8168 war eine normale CPU mit 24 Kernen und 2,7 GHz. Es bleibt bei 1,5 TByte DDR4-Speicher für den Prozessor und 30 TByte an NVMe-Storage, optional auch das Doppelte. Nicht neu, aber überarbeitet sind die Tesla V100.
Diese Beschleuniger verbaut Nvidia wie gehabt als SMX2-Module und davon 16 Stück. Die zugelassene Verlustleistung steigt allerdings von 350 Watt auf 450 Watt, was unter Last einen höheren GPU-Takt ermöglicht und somit mehr Rechengeschwindigkeit. Das Gewicht des DGX-2H liegt mit 163 kg statt 154 kg etwas höher, was für eine verbesserte Kühlung und/oder schwerere, weil leistungsfähigere Netzteile spricht. Die erlaubte Umgebungstemperatur liegt bei bis zu 35 Grad statt bei bis zu 25 Grad.
Konkurrent AMD hat für maschinelles Lernen kürzlich die Radeon Instinct MI60 angekündigt, mit 300 Watt benötigt diese jedoch weniger Energie. Das DGX-2H ist allerdings ein spezielles System von Nvidia, denn bei den Tesla V100 sind ebenfalls 300 Watt üblich. Zu den Partnern, die das DGX-2(H) einsetzen, gehören unter anderem Baidu, Huawei, Inspur, Lenovo, Sugon und Tencent.
Gut zu wissen.
Ich habe es schon fast aufgegeben, aber wenigsten als Redakteur sollten sie BBCode...