广告

华为发布全球最快AI训练集群Atlas900,昇腾910加持

2019-09-18 网络整理 阅读:
华为发布全球最快AI训练集群Atlas900,昇腾910加持
在今天的全联接大会上,华为发布 AI 训练集群 Atlas 900:它成为了目前全球计算机的巅峰,其总算力达到 256P~1024P FLOPS @FP16,相当于 50 万台 PC 的计算能力。

华为总裁任正非在最近接受采访时曾表示,华为即将发布全世界最快的人工智能平台。在今天的全联接大会上,华为揭幕了这款 AI 训练集群 Atlas 900:它成为了目前全球计算机的巅峰,其总算力达到 256P~1024P FLOPS @FP16,相当于 50 万台 PC 的计算能力。82Uednc

全球最快的AI训练集群

去年全联接大会上,华为发布了全栈全场景的AI解决方案,现如今,用于训练的昇腾处理器和AI计算框架MindSpore都已经发布了,这标志着,华为的全栈全场景AI解决方案全面落地。82Uednc

在今天的全联接大会上,华为发布了一款重量级的产品——Atlas 900,这是当前全球最快的AI训练集群,由数千颗昇腾处理器组成。82Uednc

Atlas 900 AI训练集群:82Uednc

  • 采用算力最强AI处理器昇腾910
  • Atlas 900 AI训练集群由数千颗昇腾910互联
  • 世界顶级强劲算力:总算力达到256-1024 PFLOPS@FP16。相当于50万台PC计算能力
  • 业界最快:实测仅需59.8秒即可完成基于ImageNet数据及训练ResNet-50模型
  • 华为自研HCCS片间互联240Gbps,单端口速率业界领先
  • 采用最新PCIE 4.0接口,速率为当前业界2倍
  • 100G RoCE 高速集群互联网络
  • HCCL通信库+网络拓扑+训练算法=实现线性度>80%

016ednc2019091882Uednc

华为Atlas 900 AI训练集群82Uednc

在衡量AI计算能力的金标准ResNet-50模型训练中,Atlas 900只用了59.8秒就完成了训练,这比原来的世界纪录还快了10秒。这是什么概念?相当于短跑冠军跑完终点,喝完一瓶水才等到第二名。82Uednc

017ednc2019091882Uednc

基于“ResNet-50 v1.5模型”和“ ImageNet-1k数据集”的测试数据82Uednc

“ ImageNet-1k数据集”包含128万张图片,精度为75.9%,在同等精度下,其他两家业界主流厂家测试成绩分别是70.2s和76.8s,Atlas 900 AI训练集群比第2名快15%。82Uednc

019ednc2019091882Uednc

胡厚崑表示:Atlas 900的强大算力,可广泛应用于科学研究和商业创新。比如天文探索、石油勘探等领域,都需要进行庞大的数据计算和处理,原来可能花费好几个月的工作,现在交给Atlas 900,就是几秒钟的事情。82Uednc

相当于50万台PC计算能力

Atlas 900集成的数千颗昇腾处理器,正是前段时间正式商用的昇腾 910。82Uednc

昇腾910号称算力最强的 AI 处理器,基于 7nm 增强版 EUV 工艺,单 Die 内建 32 颗达芬奇核心,半精度 (FP16) 算力达到 256 Tera-FLOPS,整数精度 (INT8) 算力达到 512 Tera-OPS,而且,达到规格算力所需功耗仅 310W。82Uednc

018ednc2019091882Uednc

Atlas 900总算力达到256-1024 PFLOPS@FP16,相当于50万台PC计算能力。作为对比,谷歌的 TPU 3.0,性能是 100 petaflops。82Uednc

胡厚崑还分享了一个天文探索的案例。天文研究高度依赖于海量的数据分析和计算,离不开超强的算力支持。82Uednc

下面这张是南半球的星空图,这张图上有20万颗星星,用人眼是看不见这么多星星的,这些画面来自于SKA射电望远镜的数据。82Uednc

020ednc20190918.jpg82Uednc

当前条件下,天文学家要从这20万颗星星中,找出某种特征的星体,相当困难,一个天文学家需要耗费169天的工作量,才能完成这项工作。现在用上Atlas 900,只用10秒,就从20万颗星星中检索出了相应特征的星体。82Uednc

华为表示:“在 Atlas 900 出现之后,一切计算瓶颈都会消失。”82Uednc

未来计算的主流将是机器学习

此外,华为还发布了基于昇腾的华为云EI集群服务。为了让大家马上就能用上Atlas 900的超强算力,它已经被部署到华为云上,并以极优惠的价格向全球科研机构和大学开放。82Uednc

华为认为,未来计算的主流将是机器学习。“未来基于统计的计算可以帮助我们更好地解决没有固定规则定义的问题,”胡厚崑说道。“这一类计算奠定了今天人工智能突破发展的基础,在未来将会逐步成为计算的主流。我们认为,在未来的五年时间里,基于统计的计算消耗的算力有可能会占到整个社会算力消耗的 80% 以上。”82Uednc

(责编:Demi Xia)82Uednc

 82Uednc

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了