升级更新日期:2022年3月29日 (第二季度)
关键点:
硬件架构 (1)全部采用PCIe 4.0接口,(2)所有方案里的配置完美优化,整机性能大幅提升
系统和软件:开机即用
配置:增加 支持8块GPU、10块GPU方案
价格: 再次下调
目录
1 UltraLAB深度学习计算设备介绍
2 最新多GPU算力汇总表2021v3
3 深度学习计算硬件配置推荐2022v2(2022年第2季度)
3.1 深度学习工作站GA300i配置推荐---最大2块GPU
3.2 深度学习工作站GR420M配置推荐-—最大7块GPU
3.3 深度学习工作站GX650M配置推荐---最大10块GPU
3.4 便携GPU工作站PG配置推荐—-最大4块GPU
3.5 深度学习服务器配置推荐--最大8块GPU
3.6 深度学习多机集群配置推荐-20块卡、40块卡
21世纪计算机最大挑战—深度学习、人工智能,它帮助更多领域的应用研究获取质的进展,计算机视觉、语音识别、自动机器翻译、自动驾驶汽车、药物发现、生物信息、医学诊断、视频游戏、围棋、智能电网…
不怕千招会,就怕一招绝,对于科研人员一旦通过深度学习技术在某一个应用领域有所成就,就会获取最大的机会。
西安坤隆计算机公司2008年进入工作站领域,专注于计算应用的最快计算硬件架构,针对深度学习GPU超算的不同环境、不同计算规模等等,提供更专业匹配、与时俱进的计算设备:
图灵超算工作站(台式)
图灵超算服务器(机架式)
便携超算工作站(移动便携式)
GPU多机集群…
我们不仅提供种类齐全计算设备,更注重计算效能和完美计算配置,目标:保证每台机器运行软件,其性能发挥最大化、性能极致化。
(一)UltraLAB深度学习计算设备介绍
赶紧了解一下UltraLAB深度学习计算机型吧
机型配置汇总表
NO |
分类 |
机型 |
GPU数量 |
接口 |
CPU |
硬盘位 |
机箱 |
运行环境 |
1 |
工作站 |
GA300i |
2块 |
双PCIe 4.0 x8 |
11代酷睿 |
1+1 |
微塔式 |
办公静音 |
2 |
工作站 |
GX650M |
10块 |
11*PCIe 4.0 x16 |
2*Xeon |
2+20 |
双塔式 |
|
|
|
GT420M |
6块 |
6*PCIe 4.0 x8或4*PCIe 4.0 x16 |
1*Xeon |
2+20 |
|
|
|
|
GR420M |
7块 |
7*PCIe 4.0 x16 |
AMD |
2+20 |
|
|
3 |
服务器 |
GA300 |
2块 |
2*PCIe 4.0 x8 |
11代酷睿 |
1+8 |
机架式 |
机房专用 |
|
|
GT420 |
4块 |
4*PCIe 4.0 X16 |
1*Xeon |
|
|
|
|
|
GX658 |
8块 |
2*PCIe 4.0 X16 ,6*PCIe 4.0 x8 |
2*Xeon |
|
|
|
4 |
便携超算工作站 |
PX300G |
2块 |
2*PCIe 4.0 x8 |
11代酷睿 |
1+1 |
便携式 |
户外 |
|
|
PA420G |
4块 |
4*PCIe 4.0 X16 |
1*Xeon |
|
|
|
|
|
P650G |
2块 |
2*PCIe 4.0 X16 |
2*Xeon |
|
|
|
5 |
GPU集群 |
CX650 |
|
|
|
|
机柜式 |
机房专用 |
|
计算节点 |
GT420 |
4块 |
4*PCIe 4.0 X16 |
1*Xeon3 |
|
|
或办公静音 |
|
存储节点 |
|
|
|
|
16/24 |
|
|
硬件配置特点:
(1)所有机型全部采用PCIe 4.0接口
(2)双Xeon工作站(GX650M机型)支持最大10个/8个PCIe 4.0 x16(全速)
(3)AMD工作站(GR420M机型)支持7个PCIe 4.0 x16(全速)
(4)便携工作站(PA420G机型)支持4个PCIe 4.0 x16
(5)集群计算节点采用PCIe 4.0 x16,节点之间采用Infiniband超低延迟网口
我们提供完整的硬件配置架构,保证任何一个计算需求得到最快硬件配置
(二)最新多GPU算力汇总表2022v1
下列表格是目前单机GPU可选数量的算力汇总
No |
型号 |
卡数 |
CUDA核数 |
FP32 (单位Tflops) |
张量计算FP16(单位Tflops) |
显存带宽GBs |
显存 合计GB |
应用推荐 |
1 |
A6000 |
8块 |
86016 |
320 |
2496 |
768 |
384 |
CNN+RNN |
2 |
A5000 |
10块 |
81920 |
277 |
2170 |
768 |
100 |
CNN |
3 |
RTX3080Ti |
8块 |
81920 |
273 |
2128 |
912 |
96 |
CNN |
4 |
A6000 |
7块 |
75264 |
280 |
2184 |
768 |
336 |
CNN+RNN |
5 |
RTX3090 |
7块 |
73472 |
249 |
1995 |
936 |
168 |
CNN+RNN |
6 |
A6000 |
6块 |
64512 |
240 |
1872 |
768 |
288 |
CNN+RNN |
8 |
RTX3080Ti |
7块 |
71680 |
239 |
1862 |
912 |
84 |
CNN |
7 |
A5000 |
8块 |
65536 |
222 |
1736 |
768 |
192 |
CNN+RNN |
8 |
RTX3090 |
6块 |
62976 |
213 |
1710 |
936 |
144 |
CNN+RNN |
9 |
RTX3080Ti |
6块 |
61440 |
205 |
1596 |
912 |
72 |
CNN |
10 |
A6000 |
5块 |
53760 |
200 |
1560 |
768 |
240 |
CNN+RNN |
13 |
RTX3080 |
6块 |
52224 |
179 |
1428 |
760 |
60 |
CNN |
11 |
RTX3090 |
5块 |
52480 |
178 |
1425 |
936 |
120 |
CNN+RNN |
12 |
RTX3080Ti |
5块 |
51200 |
171 |
1330 |
912 |
60 |
CNN |
12 |
A5000 |
6块 |
49152 |
166 |
1302 |
768 |
144 |
CNN+RNN |
13 |
A6000 |
4块 |
43008 |
160 |
1248 |
768 |
192 |
CNN+RNN |
14 |
RTX3080 |
5块 |
43520 |
149 |
1190 |
760 |
50 |
CNN |
15 |
RTX3090 |
4块 |
41984 |
142 |
1140 |
936 |
96 |
CNN+RNN |
16 |
A5000 |
5块 |
40960 |
139 |
1085 |
768 |
120 |
CNN+RNN |
17 |
RTX3080Ti |
4块 |
40960 |
136 |
1064 |
912 |
48 |
CNN |
18 |
RTX3080 |
4块 |
34816 |
119 |
952 |
760 |
40 |
CNN |
19 |
A5000 |
4块 |
32768 |
111 |
868 |
768 |
96 |
CNN+RNN |
20 |
RTX3090 |
3块 |
31488 |
107 |
855 |
936 |
72 |
CNN+RNN |
21 |
RTX3080Ti |
3块 |
30720 |
102 |
798 |
912 |
36 |
CNN |
22 |
RTX3080 |
3块 |
26112 |
89 |
714 |
760 |
30 |
CNN |
23 |
A5000 |
3块 |
24576 |
83 |
651 |
768 |
72 |
CNN+RNN |
24 |
A6000 |
2块 |
21504 |
80 |
624 |
768 |
96 |
CNN+RNN |
25 |
RTX3090 |
2块 |
20992 |
71 |
570 |
936 |
48 |
CNN+RNN |
26 |
RTX3080Ti |
2块 |
20480 |
68 |
532 |
912 |
24 |
CNN |
27 |
RTX3080 |
2块 |
17408 |
60 |
476 |
760 |
20 |
CNN |
28 |
A5000 |
2块 |
16384 |
55 |
432 |
768 |
48 |
CNN+RNN |
29 |
A6000 |
1块 |
10752 |
40 |
312 |
768 |
48 |
CNN+RNN |
30 |
RTX3090 |
1块 |
10496 |
36 |
285 |
936 |
24 |
CNN+RNN |
31 |
RTX3080Ti |
1块 |
10240 |
34 |
266 |
912 |
12 |
CNN |
32 |
RTX3080 |
1块 |
8704 |
30 |
238 |
760 |
10 |
CNN |
33 |
A5000 |
1块 |
8192 |
28 |
217 |
768 |
24 |
CNN+RNN |
|
文章评论