InayofuataMwongozo unaofuata
GPU dhidi ya TPU kwa AI
Kiufundi
MWONGOZO wa Kiufundi
NVLink na viunganishi vinavyohusiana ni viungo vya kasi ya juu ambavyo huruhusu GPU nyingi kuzungumza moja kwa moja na kwa haraka.
Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min
They are essential because training and serving the largest AI models requires hundreds or thousands of GPUs to act like one giant accelerator.
GPU moja haiwezi kuhimili miundo mikubwa zaidi, kwa hivyo imegawanyika kwenye chip nyingi ambazo lazima zibadilishane data kila mara, kama vile uzani, gradient na kuwezesha. Basi la kawaida la PCIe ni polepole sana kwa hili, kwa hivyo NVIDIA iliunda NVLink, kiungo cha moja kwa moja cha GPU-to-GPU kinachotoa kipimo data cha juu zaidi na utulivu wa chini. Chipu za NVSwitch hupanua hii hadi kitambaa ili kila GPU kwenye seva iweze kufikia kila nyingine kwa kasi kamili, na kugeuza GPU nane kuwa kumbukumbu moja kubwa na kukokotoa bwawa. Katika kiwango cha rack, mifumo kama NVL72 ya NVIDIA inaunganisha GPU nyingi kwenye kikoa kilichounganishwa cha NVLink. Zaidi ya rack moja, teknolojia za mitandao kama InfiniBand na Ethernet (mara nyingi kwa RDMA) hufunga maelfu ya nodi kwenye nguzo. Ubora wa viunganishi hivi huweka kikomo moja kwa moja ukubwa na kasi ya miundo inaweza kutoa mafunzo.
Kuunganisha GPU nane ndani ya seva moja (kama vile mifumo ya NVIDIA DGX) kupitia NVSwitch ili zishiriki kumbukumbu na kufunza muundo mmoja mkubwa pamoja.
Kufanya usawazishaji wa kupunguza kila sehemu ya upinde rangi kwenye GPU wakati wa mafunzo yaliyosambazwa, kwa kasi na kipimo data cha NVLink.
Kuunganisha dazeni za GPU katika mfumo wa kiwango cha NVL72 kwenye kikoa kimoja kilichounganishwa cha NVLink kwa miundo ya vigezo trilioni.
Kuunganisha maelfu ya seva za GPU kwenye kundi kwa kutumia InfiniBand au RDMA-over-Ethernet kwa mafunzo ya muundo wa msingi wa kiwango kikubwa.
Miundo inapokua zaidi ya seva moja, muunganisho unakuwa mfumo. NVLink inaendelea kupata kipimo data kila kizazi, na vikoa vya NVLink vya kiwango cha juu (kama NVL72) vinapanua idadi ya GPU zinazofanya kazi kama moja. Tarajia vikoa vikubwa vilivyounganishwa, muunganisho mkali zaidi wa komputa na mtandao, viungo vya macho ili kupunguza nguvu kwa umbali, na juhudi za tasnia kuelekea viwango vya muunganisho wazi (kama vile UALink) ili kushindana na vitambaa vya wamiliki. Kuongeza AI inazidi kutegemea kusonga data kati ya chipsi kama vile kwenye chips zenyewe.
Jarida halali
Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.
Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.
Jijaribu mwenyewe
Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.
Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango
NVLink na viunganishi vinavyohusiana ni viungo vya kasi ya juu ambavyo huruhusu GPU nyingi kuzungumza moja kwa moja na kwa haraka. Ni muhimu kwa sababu mafunzo na kutumikia miundo mikubwa zaidi ya AI inahitaji mamia au maelfu ya GPU ili kutenda kama kiongeza kasi kikubwa.
Miundo mikubwa inazidi uwezo wa GPU moja, kwa hivyo imeenea kwenye chip nyingi ambazo hushiriki uzani kila mara, gradient na kuwezesha, inayohitaji viungo vya haraka.
NVLink ni kiungo cha moja kwa moja cha GPU-to-GPU kilicho na kipimo data kikubwa zaidi na muda wa chini wa kusubiri kuliko PCIe, kuwezesha ubadilishanaji wa data wa haraka kati ya chipsi.
NVSwitch inapanua NVLink kwenye kitambaa kisichozuia, ikiruhusu GPU zote kwenye nodi kuwasiliana kwa kasi kamili.
Punguza hesabu zote na ushiriki gradient kwenye GPU zote kila hatua ya mafunzo, kwa hivyo kasi yake inategemea sana kipimo data cha muunganisho.
Katika kiwango cha nguzo, mitandao kama vile InfiniBand au Ethernet iliyo na RDMA huunganisha nodi nyingi pamoja, inayosaidia NVLink ndani ya kila seva.
Endelea kujifunza
Miongozo zaidi imechaguliwa kwa mada hii
InayofuataMwongozo unaofuata
GPU dhidi ya TPU kwa AI
Kiufundi