Nvidia ouvre la voie des accelerateurs Hyperscale pour le Machine Learning
By   |  December 04, 2015

NVIDIA a annoncé les Tesla M4 et M40, deux cartes dédiées à l’accélération des charges de travail intensives de type Machine Learning. Le M40 est destiné aux chercheurs pour créer de nouveaux réseaux de neurones pour chacune des applications qu’ils souhaitent faire fonctionner avec l’intelligence artificielle. Le M4 est pour sa part un accélérateur à faible puissance conçu pour déployer ces réseaux à travers le data center. Cette gamme dispose également d’une bibliothèque de traitements accélérés pour les GPU. Ensemble, ils permettent aux développeurs d’utiliser la plateforme de calcul accélérée Tesla pour gérer l’apprentissage automatique sur des datacenters hyperscale.

«La course à l’intelligence artificielle est lancée », affirme Jen-Hsun Huang, co-fondateur et PDG de NVIDIA. « Le Machine Learning est sans conteste l’une des évolutions les plus importantes à l’heure actuelle dans le domaine de l’informatique, du même ordre que l’ordinateur, internet et le cloud. Des secteurs allant des services dématérialisés pour les consommateurs à l’automobile en passant par la santé vivent une véritable révolution à l’heure où nous parlons. L’apprentissage automatique est le grand défi informatique de notre génération. Nous avons créé la gamme d’accélérateurs hyperscale Tesla pour multiplier par 10 la puissance de calcul des algorithmes de Machine Learning. Le temps et l’argent gagnés pour les datacenters sont considérables », explique-t-il.

ACCÉLÉRER LE FLUX DES APPLICATIONS WEB
Ces nouveaux produits logiciels et matériels sont spécialement conçus pour accélérer le flux des applications Web qui intègrent des capacités d’intelligence artificielle. Les progrès significatifs dans le domaine de l’apprentissage automatique ont permis d’utiliser des techniques d’intelligence artificielle pour créer des applications et des services plus intelligents.

L’apprentissage automatique est utilisé pour rendre la reconnaissance vocale plus précise. Il permet également de créer des objets automatiques ou d’utiliser la reconnaissance de scène dans des vidéos ou des photos, avec la possibilité de mettre une marque pour une recherche ultérieure. L’apprentissage automatique rend possible la reconnaissance faciale dans les vidéos ou sur les photos, même lorsque le visage est en partie voilé. Enfin, il fait fonctionner des services qui connaissent mieux les goûts et les intérêts personnels de l’utilisateur, qui peuvent organiser des plannings, fournir des informations pertinentes et répondre pré- cisément à une commande vocale.

Le défi est d’obtenir l’impressionnante puissance informatique nécessaire pour innover et pour entraîner les réseaux de neurones profonds toujours plus nombreux, et finalement traiter les informations pour répondre immédiatement aux milliards de demandes issues des consommateurs utilisant les services.

TESLA M40, LA CARTE CONÇUE POUR LES DATA SCIENTISTS
Doté de 3072 processeurs de flux et d’une puissance de calcul de 7 TFlops, l’accélérateur NVIDIA Tesla M40 GPU permet aux data scientists de gagner du temps, des jours voire des semaines, lorsqu’ils entraînent leurs réseaux de neurones profonds à gérer d’énormes quantités de données tout en obtenant une plus grande précision. Adaptée à l’apprentissage automatique, elle divise selon le constructeur, le temps d’entraînement par 8 comparé aux processeurs CPU (1,2 jours contre 10 jours pour un entraînement AlexNet classique). Le support pour NVIDIA GPUDirect permet la création rapide d’un entraînement de réseaux de neurones multi-nœuds.

TESLA M4, DESTINÉE AUX DATACENTERS
L’accélérateur NVIDIA Tesla M4 est un GPU à faible puissance créé pour les environnements hyperscale et adapté aux applications de services web exigeantes et à forte croissance, comme le transcodage vidéo, le traitement des images et vidéos, et l’inférence de l’apprentissage automatique. Selon Nvidia, la capacité de traitement de la M4 transcode, améliore et analyse jusqu’à 5 fois plus de flux vidéos simultanément que les CPU. Côté consomation énergétique, l’accélérateur Tesla M4 consomme de 50 à 75 watts, et fournit une efficacité énergé- tique jusqu’à 10 fois meilleure qu’un CPU pour le traitement de vidéos et les algorithmes d’apprentissage automatique. La M4 dispose de 1024 processeurs de flux et d’une puissance de calcul de 2,2 TFlops. La mémoire embarquée est ici de 4 Go contre 12 Go pour la M40.

NVIDIA HYPERSCALE SUITE, UN KIT LOGICIEL DÉDIÉ La nouvelle suite NVIDIA Hyperscale contient des outils destinés à la fois aux développeurs et aux responsables de centres de données et conçus spécialement pour le déploiement de services web, comme :

  • cuDNN – le logiciel d’algorithmes le plus populaire du secteur qui permet de gérer les ré- seaux de neurones convolutionnels profonds utilisés pour les applications d’intelligence artificielle.
  • Logiciel multimédia FFmpeg accéléré par GPU – Accélére le transcodage et le traitement de vidéos.
  • NVIDIA GPU REST Engine – Permet de créer facilement et de déployer des services web accélérés à forte capacité de traitement et à faible latence allant du redimensionnement dynamique d’images à l’accélération des recherches en passant par la classification d’images.
  • Moteur de redimensionnement d’image NVIDIA – Service accéléré par GPU avec REST API qui permet de redimensionner les images 5 fois plus vite qu’avec un CPU.

SUPPORT MESOSPHERE
Lors de la dernière démonstration de soutien du secteur à la plateforme de calcul accélérée Tesla, Mesosphere a annoncé sa collaboration avec NVIDIA pour ajouter un support de technologie GPU sur Apache Mesos et sur le système d’exploitation pour data center (DCOS) Mesosphere. Ce changement permettra aux entreprises du service Web de construire et de déployer plus facilement des centres de données accélérés pour leurs applications de nouvelle génération.

L’accélérateur Tesla M40 GPU et le logiciel Hyperscale Suite seront disponibles avant la fin de l’année. L’accélérateur Tesla M4 GPU sera disponible au premier trimestre 2016.

© HPC Today 2019 - All rights reserved.

Thank you for reading HPC Today.

Express poll

Do you use multi-screen
visualization technologies?

Industry news

Brands / Products index