Doté d'une capacité de traitement de 9,4 pétaflops, il a la puissance nécessaire pour entrainer le nombre important de réseaux neuronaux profonds nécessaires à la sûreté des véhicules autonomes.
Les clients peuvent acheter ce système dans sa totalité ou des parties seulement auprès de n'importe quel partenaire DGX-2 basé sur DGX SuperPOD.
Entrainer les algorythmes utilisés par les voitures autonomes est un défi qui demande une très importante puissance de calcul. Un seul véhicule de collecte de données génère 1 téraoctet de données par heure. Multipliez cela par le nombre d'années de conduite d'une flotte entière, et vous obtenez rapidement des pétaoctets de données. Ces données sont utilisées pour former des algorithmes sur les règles appliquées sur la route - et pour trouver des défaillances potentielles dans les réseaux neuronaux profonds du véhicule, qui sont ensuite reformées dans une boucle continue.
“Si nous voulons tirer le meilleur de l’intelligence artificielle, nous devons utiliser les meilleures infrastructures de calcul”, a déclaré Clement Farabet, vice president, AI Infrastructure, NVIDIA. "En matière d’intelligence artificielle, peu de défis sont aussi exigeants que l'entraînement de véhicules autonomes, qui implique de recycler des réseaux neuronaux des dizaines de milliers de fois pour répondre à des besoins de précision extrême. Rien ne peut remplacer une capacité de traitement massive comme celle du DGX SuperPOD."
Exploitant 1 536 solutions GPU NVIDIA V100 Tensor Core interconnectés avec NVIDIA NVSwitch et Mellanox, le DGX SuperPOD peut traiter les données avec des performances inégalées pour un supercalculateur de sa taille.
Le système fonctionne 24 heures sur 24, optimisant les logiciels de conduite autonome et recyclant les réseaux neuronaux de manière beaucoup plus rapide qu'auparavant.
Par exemple, la plate-forme matérielle et logicielle DGX SuperPOD prend moins de deux minutes pour former ResNet-50. Lorsque ce modèle AI est sorti en 2015, il fallait 25 jours pour l'entraîner sur le système de pointe de l'époque, un seul GPU NVIDIA K80. Le DGX SuperPOD donne des résultats 18 000 fois plus rapides.
Alors que d'autres systèmes TOP500 avec des niveaux de performance similaires sont construits à partir de milliers de serveurs, DGX SuperPOD prend une fraction de l'espace ; il est environ 400x plus petit que ses voisins classés.
Les systèmes NVIDIA DGX ont déjà été adoptés par d'autres organisations ayant des besoins massifs en matière de calcul, qu'il s'agisse de constructeurs automobiles tels que BMW, Continental, Ford et Zenuity, d'entreprises comme Facebook, Microsoft et Fujifilm, ou encore de leaders de la recherche comme Riken et les laboratoires nationaux du ministère américain de l'énergie.
Architecture de référence pour construire votre propre SuperPOD
Un DGX SuperPOD n'est pas seulement rapide comme l'éclair pour faire fonctionner des modèles de deep learning. Il se déploie très rapidement grâce à sa conception modulaire.
Alors que le déploiement de systèmes de cette envergure prend souvent de 6 à 9 mois, il ne faut que 3 semaines pour deployer le DGX SuperPOD.
Les organisations qui ne disposent pas d’un datacentre prêt pour l’IA peuvent choisir un déploiement simplifié et rapide via le programme DGX-Ready Data Center. Les fournisseurs de services de colocation de centres de données de l'entreprise sont disponibles pour aider les entreprises à construire et déployer des centres de données IA de classe mondiale basés sur les systèmes DGX.
L'innovation comme conviction
Le DGX SuperPOD n'est pas le seul système interne de NVIDIA à figurer sur la liste TOP500 des supercalculateurs les plus rapides du monde.
Le système SATURNV de NVIDIA a été le premier, en 2016, à figurer en tête de la liste Green500, qui reconnaît les systèmes les plus économes en énergie au monde, et au 28e rang du TOP500.
Depuis, les SATURNV Volta (équipés de systèmes NVIDIA DGX-1) et DGX-2H POD ont également été reconnus pour leurs performances et leur faible consommation électrique.
Les appareils équipés d'un GPU NVIDIA alimentent 22 des 25 supercalculateurs les plus performants de la dernière liste Green500.
About NVIDIA
NVIDIA’s (NASDAQ: NVDA) invention of the GPU in 1999 sparked the growth of the PC gaming market, redefined modern computer graphics and revolutionized parallel computing. More recently, GPU deep learning ignited modern AI — the next era of computing — with the GPU acting as the brain of computers, robots and self-driving cars that can perceive and understand the world. More information at http://nvidianews.nvidia.com/.
