超算和服务器性能,烽火GPU高性能服务器助力武大超算中心建设

近日,继“武汉大学100G高速网络及网格计算集群采购项目”中标后,烽火GPU高性能服务器再次中标“武汉大学GPU集群采购项目”。作为行业首例,此次烽火将在武大超算中心同时提供Intel KNL以及NVIDIA GPU超算解决方案,两种顶尖HPC方案在同一项目中实施,配合OPA 100G网络,极大提升超算中心整体性能。

根据客户需求,烽火提供业界最新超算解决方案,包括最大GPU密度、最新的NVLink 2.0技术两大特点。本次武汉大学GPU集群项目采用了55套烽火FitServer G1480 GPU服务器作为计算节点,配置220块NVIDIA 最新架构的V100 GPU,通过Intel® Omni-Path fabric网络进行节点间高速互联,具有最大GPU到GPU带宽,可支持重要的高性能计算(HPC)集群和超大型工作负载,轻松满足武汉大学对于HPC计算和AI计算的需求。

极致密度,极致性能,业界规格最高的1U高性能并行计算平台

烽火FitServer G1480 GPU服务器在1U高度机箱,集成4路Tesla V100 GPU,支持NVLink 2.0高速互联技术,具备GPU无需预加热、GPU Direct RDMA技术、专业成熟的散热设计、集成超高能效比电源等多个特点,整机混合精度计算性能高达500万亿次每秒。FitServer G1480作为业界规格最高的1U高性能并行计算平台,在提供超高计算性能的同时,降低超算中心在机房空间上的成本投入。

1-1PG0121911C1.jpg

FitServer G1480服务器

同构计算,NVLink 2.0高速互联技术,具备超高并行计算效率

FitServer G1480服务器采用Cube Mesh拓扑,实现了同构计算,4块GPU可以在不依赖CPU的前提下,实现机内点到点通讯,大幅减少异构通讯的次数。采用NVLink 2.0高速互联技术,GPU间互连带宽可达300GB/s,使GPU性能发挥至极致,单卡混合精度浮点计算性能高达125万亿次每秒,并具有极低的延迟,

满足武汉大学超算中心对于并行计算效率的高要求。

1-1PG012193KG.jpg

NVLink 2.0 Cube Mesh拓扑,300GB/s互联带宽

搭载全新架构GPU,整机性能大幅提升

服务器搭载的NVIDIA Tesla V100 GPU,采用最新的12nm工艺设计,芯片面积达815平方毫米,210亿颗晶体管,5120个CUDA Core,640个Tensor Core,芯片计算和节能性能都显著提升,平均加速比可以达到3倍。Tesla V100 GPU相比Tesla P100 GPU,针对深度学习中的Training(训练)和Inference(推理)大量的矩阵运算,新增Tensor Core单元,矩阵运算提升了12倍,并采用最新的NVLink 2.0技术和HBM2技术,有效地提升了CPU与GPU或者GPU与GPU之间传输带宽及显存的带宽和利用率。

1-1PG012203M55.jpg

NVIDIA Tesla V100 GPU

强大的软硬件设计能力,提供领先的整体解决方案

在高速网络与智能化飞速发展的今天,烽火提出的解决方案完美满足了武汉大学建设高性能、大容量超算中心的需求,并利用其强大的技术研发实力、完善的质量保证体系、先进的生产工艺和测试方案,为超算中心提供先进、稳定、可靠的基础建设产品及解决方案。

烽火在“武汉大学GPU集群采购项目”中,从众多参与厂家中脱颖,充分体现了烽火在大ICT领域的实力,以及客户对烽火在服务器领域技术实力和交付能力的认可。而烽火将持续发力,为全面进入信息化大市场,打造ICT基础设施和解决方案的领导者而不断努力。

来源:时代资讯

免责声明:本文来源于网络,仅代表作者本人观点,与TechWeb无关。凡来源非TechWeb的新闻(作品)只代表本网传播该消息,并不代表赞同其观点。TechWeb对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/550518.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

ajax成功之后在执行,ajax传入成功后执行后台方法

做一个网站,再页面读取一段文字后,点击按钮,用ajax将文字传回后台,现在我希望ajax返回成功后,执行另外一段后台方法,请问有什么好方法吗?[WebMethod]public static string GetStr(string s){lin…

Ajax用证书调用,跨域的jQuery AJAX调用,带证书(Cross domain jQuery ajax call

我已经遵循以下步骤:获取服务器允许跨域调用(与所有的标题和东西) 这个工程测试服务器与一些跨域调用此作品获取服务器以强制证书这工作一起去参加一个浏览器的服务器上的文件,选择合适的证书,并看到该文件仍然有效现在,我们得到了…

C++PrimerPlus学习——第四章编程练习

**疫情期间学习C 4-1 需要使用cin.get()设置读取位数&#xff0c;避免空格导致无法读取多个词 #include <iostream> struct info_people //define structure {char first_name[20];char last_name[20];char grade;unsigned int age; }; int main() {using namespace std…

C++PrimerPlus学习——第六章编程练习

6-1 有个问题&#xff0c;如果输入的字符既不是数字也不是字母是不是应该原样输出呢&#xff1f; #include <iostream> #include <cctype>int main() {using namespace std;char ch;cout << "Please enter something.\n";while (cin.get(ch) &…

C++PrimerPlus学习——第七章编程练习

感觉变困难了很多&#xff0c;必须要注意细节&#xff0c;不如就会出各种bug 7-1 #include <iostream> double average(double a, double b);int main() {using namespace std;double a, b;a b 0;cout << "Enter ta number:" << endl;cin >…

C++PrimerPlus学习——第九章编程练习

前两天有事情去了&#xff0c;没有好好学&#xff0c;之后要补回来 9-1 main.cpp #include <string.h> #include <iostream> #include"golf.h"const int GolfSize 3; int main() {golf ann;setgolf(ann, "Ann Birdfree", 24);showgolf(ann);…

C++PrimerPlus学习——第十一章编程练习

11-1 应该是修改list11.15&#xff0c;当当官方店买的&#xff0c;难道是盗版书吗。。。 打开file之后&#xff0c;操作跟cout类似 vect.h #ifndef VECT_h_ #define VECT_h_ #include <iostream> namespace VECTOR {class Vector{public:enum Mode { RECT, POL };privat…

C++PrimerPlus学习——第十三章编程练习

13-1 注意char*前面加const&#xff0c;不然就会报错 Classis.h #ifndef CLASSIC_H_ #define CLASS_H_ #include <string> class Cd { private:char performers[50];char label[20];int selections;double playtime; public:Cd(const char* s1, const char* s2, int n, …

C++PrimerPlus学习——第十四章编程练习

14-1 参考14.19 winec.h #ifndef WINEC_H_ #define WINEC_H_ #include <string> #include <valarray> using std::string;template<class T1, class T2> class Pair { private:T1 year;T2 bottles; public:Pair() {};Pair(const T1 y, const T2 b) :year(y)…

C++PrimerPlus学习——第十七章编程练习

17-1 不知道有没有理解错题意&#xff0c;参考list17.14 #include <iostream>int main() {using std::cout;using std::cin;using std::endl;char ch;int count 0;while (cin.peek() ! $){cin.get(ch);count;cout << ch;}cout << "\nThere are "…

数字图像处理基础与应用学习,第二章

计算灰度直方图和RGB三个通道的灰度直方图 Tips 1.计算灰度 cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]]) imaes:输入的图像 channels:选择图像的通道 mask:掩膜&#xff0c;是一个大小和image一样的np数组&#xff0c;其中把需要处理的部分…

数字图像处理基础与应用 第四章

3-1 (1) 感觉就是图像模糊了&#xff0c;并没有去噪 from cv2 import cv2 import numpy as np import randomdef spNoise(img,prob):# 添加椒盐噪声,prob:噪声比例 output np.zeros(img.shape,np.uint8)thres 1 - prob for i in range(img.shape[0]):for j in range(img.sha…

数字图像处理基础与应用 第五章

5-1感觉这些方法主体都差不多&#xff0c;就是微分算子不同&#xff0c;懒得一个个写了 from cv2 import cv2 import numpy as np import randomdef singleDirectionsharpen(img, N3):p N // 2img_shape np.shape(img)out np.zeros(img_shape)for i in range(img_shape[0])…

新版scipy中的imread,imsave,imresize被弃用解决方法

阅读文献代码时发现新版scipy中的imread,imsave,imresize被弃用报错 搜索了一下发现可以用imageio中的imread和imsave代替原有的&#xff0c;用numpy的reshape来代替imresize 试了一下&#xff0c;不太行&#xff0c;文献中imread有mode‘L’&#xff0c;即读取灰度图&#xff…

anaconda中tensorflow-estimator版本应与tensorflow-gpu版本相同

把tensorflow升级到2.1.0版本是发现import tensorflow as tf出错 发现是anaconda安装的tensorflow-estimator版本是2.2.0&#xff0c;将版本回退到2.1.0后解决了问题

tf.contrib在tf2中无法使用

在尝试文献中代码时发现tf.comtrib无法使用 官方文档中说 It is still possible to run 1.X code, unmodified (except for contrib), in TensorFlow 2.0: import tensorflow.compat.v1 as tf tf.disable_v2_behavior()除了contrib应该都用能两行代码解决问题,contrib则用kera…

发现了imageio文档中有代替scipy.misc的说明

原文&#xff1a;https://imageio.readthedocs.io/en/latest/scipy.html?highlightimread imageio.imread可以代替scipy.misc.imread 用pilmode代替mode 用as_gray代替flatten pilmode类型&#xff1a; ‘L’ (8-bit pixels, grayscale) ‘P’ (8-bit pixels, mapped to an…

fastai学习笔记——安装

虽然说是推荐linux&#xff0c;windows可能有bug&#xff0c;但是我还是没办法只用linux win10anaconda python3.7 安装很简单 conda install -c fastchan fastai anaconda 好了也没发现有啥问题 测试torch是否可用 import torch cuda.test.is_available()True

fastai学习——第一个bug

跟着视频学习&#xff0c;在运行第一段测试代码的时候出现问题 from fastai.vision.all import * path untar_data(URLs.PETS)/imagesdef is_cat(x): return x[0].isupper() dls ImageDataLoaders.from_name_func(path, get_image_files(path), valid_pct0.2, seed42,label_…

fastai学习:01_intro Questionnaire

fastAI Questionnaire 感觉还挺多的&#xff0c;怪不得说每一课要额外8小时进行学习。 1.Do you need these for deep learning? Lots of math T / F Lots of data T / F Lots of expensive computers T / F A PhD T / F F F F F 2.Name five areas where deep learning is …