Il prossimoProssima guida
GPU vs TPU per l'intelligenza artificiale
Tecnico
GUIDA TECNICA
NVLink e le relative interconnessioni sono collegamenti ad alta velocità che consentono a molte GPU di comunicare tra loro in modo diretto e rapido.
Ascolta questa guidaNarrato dall'IA · ~2 min
Sono essenziali perché addestrare e servire i modelli di intelligenza artificiale più grandi richiede centinaia o migliaia di GPU che agiscano come un gigantesco acceleratore.
Una singola GPU non può contenere i modelli più grandi, quindi sono suddivisi su molti chip che devono scambiarsi costantemente dati, come pesi, gradienti e attivazioni. Il bus PCIe standard è troppo lento per questo, quindi NVIDIA ha creato NVLink, un collegamento diretto da GPU a GPU che offre una larghezza di banda molto più elevata e una latenza inferiore. I chip NVSwitch estendono questo in un tessuto in modo che ogni GPU in un server possa raggiungersi a vicenda alla massima velocità, trasformando otto GPU in un unico grande pool di memoria e calcolo. Su scala rack, sistemi come NVL72 di NVIDIA collegano dozzine di GPU su un dominio NVLink unificato. Oltre a un singolo rack, le tecnologie di rete come InfiniBand ed Ethernet (spesso con RDMA) collegano migliaia di nodi in un cluster. La qualità di queste interconnessioni limita direttamente le dimensioni e la velocità con cui i modelli possono essere addestrati.
Collegamento di otto GPU all'interno di un singolo server (come i sistemi NVIDIA DGX) tramite NVSwitch in modo che condividano la memoria e addestrino insieme un modello di grandi dimensioni.
Esecuzione della sincronizzazione del gradiente di riduzione totale tra GPU durante l'addestramento distribuito, accelerata dalla larghezza di banda NVLink.
Collegamento di dozzine di GPU in un sistema NVL72 su scala rack in un dominio NVLink unificato per modelli da trilioni di parametri.
Collegamento di migliaia di server GPU in un cluster utilizzando InfiniBand o RDMA-over-Ethernet per l'addestramento del modello di base su larga scala.
Man mano che i modelli diventano troppo grandi per i singoli server, l’interconnessione sta diventando il sistema. NVLink continua a guadagnare larghezza di banda ogni generazione e i domini NVLink su scala rack (come NVL72) stanno espandendo il numero di GPU che si comportano come una sola. Aspettatevi domini unificati più ampi, un collegamento più stretto tra elaborazione e rete, collegamenti ottici per ridurre il consumo di energia a distanza e sforzi del settore verso standard di interconnessione aperti (come UALink) per competere con i tessuti proprietari. La scalabilità dell’intelligenza artificiale dipende sempre più dallo spostamento dei dati tra i chip tanto quanto dai chip stessi.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
NVLink e le relative interconnessioni sono collegamenti ad alta velocità che consentono a molte GPU di comunicare tra loro in modo diretto e rapido. Sono essenziali perché addestrare e servire i modelli di intelligenza artificiale più grandi richiede centinaia o migliaia di GPU che agiscano come un gigantesco acceleratore.
I modelli di grandi dimensioni superano la capacità di una singola GPU, quindi sono distribuiti su molti chip che condividono continuamente pesi, gradienti e attivazioni, richiedendo collegamenti veloci.
NVLink è un collegamento diretto da GPU a GPU con larghezza di banda molto maggiore e latenza inferiore rispetto a PCIe, consentendo un rapido scambio di dati tra chip.
NVSwitch estende NVLink in una struttura non bloccante, consentendo a tutte le GPU di un nodo di comunicare tra loro alla massima velocità.
Riduci tutte le somme e condividi i gradienti su tutte le GPU in ogni fase di training, quindi la sua velocità dipende fortemente dalla larghezza di banda di interconnessione.
Su scala cluster, reti come InfiniBand o Ethernet con RDMA collegano insieme molti nodi, integrando NVLink all'interno di ciascun server.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
GPU vs TPU per l'intelligenza artificiale
Tecnico