UltraLAB GXM让大家能用的起的AI超级异构计算机

1、数据存储要求：

做深度学习首先需要一个好的存储系统，将历史资料保存起来。

主要任务：历史数据存储，如：文字、图像、声音、视频、数据库等。。。

性能要求：

a.数据容量：提供足够高的存储能力

b.读写带宽：多硬盘并行读写架构提高数据读写带宽

c.接口：高带宽，同时延迟低

传统解决方式：

专门的存储服务器，借助万兆端口访问

缺点：带宽不高，对深度学习的数据读取过程时间长(延迟大，两台机器之间数据交换)，成本高

UltraLAB解决方案：

将并行存储直接通过PCIe接口，提供最大16个硬盘的并行读取，数据量大并行读取要求高，无论是总线还是硬盘并行带宽，都得到加大提升，满足海量数据密集io请求和计算需要

2、CPU要求：

CPU的主要任务

（1）数据从存储系统调入到内存的解压计算

（2）GPU计算前的数据预处理

（3）运行在代码中写入并读取变量执行指令，如函数调用启动在GPU上函数调用，创建小批量数据启动到GPU的数据传输

（4）GPU多卡并行计算前，每个核负责一块卡的所需要的数据并行切分处理和控制

（5）求解后数据保存前的压缩计算 上述每一类操作基本都是单核计算模式， 如果要加速这些过程，唯有提升CPU频率 传统解决方式：CPU规格很随意，核数和频率没有任何要求

UltraLAB合理推荐：

a.CPU频率：越高越好

b.CPU三级缓存：越大越好

c.CPU核数：比GPU卡数量大（原则：1核对应1卡，核数要有至少2个冗余）

3、GPU要求：

主要任务：承担深度学习的数据建模计算、运行复杂算法

传统架构：提供1~8块GPU

UltraLAB合理推荐：

a.数据带宽：PCIe8x 3.0以上

b.数据容量：显存大小也很关键

c.计算匹配：CPU核-GPU卡 1对1

d.GPU卡加速：多卡提升并行处理效率

4、内存要求

主要任务：存放预处理的数据，待GPU读取处理，中间结果存放

UltraLAB合理推荐：

a.数据带宽最大化：单Xeon E5v4 4通道内存，双Xeon E5v4 8通道内存，内存带宽最大化

b.内存容量合理化：大于GPU总显存