深度学习台式、便携式、机架式、集群硬件配置选型2022v2

时间:2021-08-18   来源:   网友评论:0   人气: 1455 作者:

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GPU10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:

g-station2.jpg

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

PCIe 4.0 x8

11代酷睿

1+1

微塔式

办公静音

2

工作站

GX650M

10

11*PCIe 4.0 x16

2*Xeon

2+20

双塔式

 

 

 

GT420M

6

6*PCIe 4.0 x84*PCIe 4.0 x16

1*Xeon

2+20

 

 

 

 

GR420M

7

7*PCIe 4.0 x16

AMD

2+20

 

 

3

服务器

GA300

2

2*PCIe 4.0 x8

11代酷睿

1+8

机架式

机房专用

 

 

GT420

4

4*PCIe 4.0 X16

1*Xeon

 

 

 

 

 

GX658

8

2*PCIe 4.0 X16 6*PCIe 4.0 x8

2*Xeon

 

 

 

4

便携超算工作站

PX300G

2

2*PCIe 4.0 x8

11代酷睿

1+1

便携式

户外

 

 

PA420G

4

4*PCIe 4.0 X16

1*Xeon

 

 

 

 

 

P650G

2

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

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

86016

320

2496

768

384

CNN+RNN

2

A5000

10

81920

277

2170

768

100

CNN

3

RTX3080Ti

8

81920

273

2128

912

96

CNN

4

A6000

7

75264

280

2184

768

336

CNN+RNN

5

RTX3090

7

73472

249

1995

936

168

CNN+RNN

6

A6000

6

64512

240

1872

768

288

CNN+RNN

8

RTX3080Ti

7

71680

239

1862

912

84

CNN

7

A5000

8

65536

222

1736

768

192

CNN+RNN

8

RTX3090

6

62976

213

1710

936

144

CNN+RNN

9

RTX3080Ti

6

61440

205

1596

912

72

CNN

10

A6000

5

53760

200

1560

768

240

CNN+RNN

13

RTX3080

6

52224

179

1428

760

60

CNN

11

RTX3090

5

52480

178

1425

936

120

CNN+RNN

12

RTX3080Ti

5

51200

171

1330

912

60

CNN

12

A5000

6

49152

166

1302

768

144

CNN+RNN

13

A6000

4

43008

160

1248

768

192

CNN+RNN

14

RTX3080

5

43520

149

1190

760

50

CNN

15

RTX3090

4

41984

142

1140

936

96

CNN+RNN

16

A5000

5

40960

139

1085

768

120

CNN+RNN

17

RTX3080Ti

4

40960

136

1064

912

48

CNN

18

RTX3080

4

34816

119

952

760

40

CNN

19

A5000

4

32768

111

868

768

96

CNN+RNN

20

RTX3090

3

31488

107

855

936

72

CNN+RNN

21

RTX3080Ti

3

30720

102

798

912

36

CNN

22

RTX3080

3

26112

89

714

760

30

CNN

23

A5000

3

24576

83

651

768

72

CNN+RNN

24

A6000

2

21504

80

624

768

96

CNN+RNN

25

RTX3090

2

20992

71

570

936

48

CNN+RNN

26

RTX3080Ti

2

20480

68

532

912

24

CNN

27

RTX3080

2

17408

60

476

760

20

CNN

28

A5000

2

16384

55

432

768

48

CNN+RNN

29

A6000

1

10752

40

312

768

48

CNN+RNN

30

RTX3090

1

10496

36

285

936

24

CNN+RNN

31

RTX3080Ti

1

10240

34

266

912

12

CNN

32

RTX3080

1

8704

30

238

760

10

CNN

33

A5000

1

8192

28

217

768

24

CNN+RNN


 

文章评论