GPU服务器人工智能领域的应用也比较多。在教学场景中,对GPU虚拟化的要求比较高。根据课堂人数,一个老师可能需要将GPU服务器虚拟出30甚至60个虚拟GPU,因此批量Training对GPU要求比较高,通常用V100做GPU的训练。模型训练完之后需要进行推理,因此推理一般会使用P4或者T4,少部分情况也会用V100。可从性能、可编程性、灵活性等方面对CPU、GPU、FPGA等不同类型的服务器进行系统的对比分析比较,我们可以从考虑业务应用先选择GPU型号;考虑服务器的使用场景及数量;考虑客户自身的目标使用人群及IT运维能力;考虑服务器配套软件的价值及服务的价值;考虑整体GPU集群系统的成熟度及工程效率。在选择GPU服务器的时候,你可以从这些方面了解看看。英伟达在国内外的口碑都是挺不错的,或者找英伟达授权的代理商也是可以的。思腾合力你可以看看,它也是英伟达精英级的合作伙伴,是我们公司一直在合作的厂商,服务还是非常好的,而且性能、质量方面都没有出现过问题。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)