Deep Neural Networks (DNNs) bestehen aus mehreren Schichten von neuronalen Netzen und erkennen je nach Schicht Kanten, geometrische Figuren und komplexe Objekte. In diesem Beispiel wurde ein Audi A7 erkannt.

Deep Neural Networks (DNNs) bestehen aus mehreren Schichten von neuronalen Netzen und erkennen je nach Schicht Kanten, geometrische Figuren und komplexe Objekte. In diesem Beispiel wurde ein Audi A7 erkannt. Nvidia

Im Bereich der Künstlichen Intelligenz liegt die Deep-Learning-Technik des Maschinenlernens im Trend. Viele bekannte Anwendungen wie die Spracherkennungslösungen Siri oder Cortana basieren letztlich auf Deep-Learning-Software. Die Technik greift die Funktionsweise des menschlichen Gehirns und der neuronalen Vernetzung auf.

Voraussetzung für die Realisierung eines Deep-Learning-Systems ist eine extrem hohe Rechenleistung. Gerade Grafikprozessoren (GPUs), wie sie Nvidia anbietet, werden dabei hauptsächlich genutzt. Das Unternehmen hat jetzt den ersten „Deep-Learning-Supercomputer“ konzipiert, der in einem Gehäuse Platz findet. Das Vertriebsrecht für das schlüsselfertige, vollständig integrierte Hard- und Software-System hat Nvidia in Deutschland nur an wenige Partner übertragen – darunter auch an Transtec.

Als Software hat der Nvidia DGX-1 unter anderem die wichtigsten Deep-Learning-Frameworks, das Deep-Learning-SDK, das Grafikprozessor-Trainingssystem Digits oder Cuda zum schnellen Entwerfen von Deep Neural Networks (DNN).

Ausgewählte Systemspezifikationen des rechners:

  •  Grafikprozessoren: 8x Tesla GP100
  • TFLOPS (Grafikprozessor FP16/CPU FP32): 170/3
  • Grafikprozessorspeicher: 16 GB je Grafikprozessor
  • CPU: 2x Intel 20-Kern Xeon E-2698 v4, 2,20 GHz
  • Nvidia-Cuda-Recheneinheiten: 28.672
  • Arbeitsspeicher: 512 GB DDR4-LRDIMM 2133 MHz
  • Datenspeicher: 4x SSD mit je 1,92 TB
  • Netzwerk: 2x 10 GbE, 4-fach-IB mit EDR