PNY Pro, Mai 03, 2019
Als leidenschaftlicher Informatiker liebe ich es, technische Lösungen mit anderen zu vergleichen, um deren Leistung bei der Ausführung einer bestimmten Aufgabe zu ermitteln. Dieser Prozess ist auch unter dem Begriff "Benchmarking" bekannt. Die Ergebnisse der vergleichenden Analyse werden in der Regel als das beste Instrument zur Bewertung der Leistungen konkurrierender Systeme bei einer Kaufentscheidung angesehen.
In dieser dreiteiligen Blogserie diskutieren wir über die Art und Weise, wie ein System aufgebaut werden kann, und legen dabei den Schwerpunkt auf die Bewertung der GPU-Leistung für die Ausbildung im Detail unter Verwendung von Ubuntu 18.04, NVIDIA GPU Cloud (NGC) und TensorFlow.
Die folgende Artikelserie wird auf diese Weise präsentiert:
Partie Une: Einführung
Zweiter Teil: Überlegungen zur Hardware
Zweiter Teil: Software-Einrichtung
Die meisten Spieler kennen Benchmarking-Tools wie 3DMark und Unigene Superposition, während die Profis sich auf Vertrauenssuiten wie SPECviewperf und PassMark verlassen. Was die Kriterien für die Bewertung der Ausbildung betrifft, so ist der bekannteste "Messpunkt" die Bildung eines neuronalen Netzes ResNet-50 mit Hilfe des Datenensembles ImageNet, insbesondere des Datenensembles ImageNet 2012 für die Klassifizierung von Bildern.
Unternehmen, die sich auf die Ausbildung konzentrieren, nutzen diese Methode häufig, um die Rechenleistung zu messen und zu vergleichen. Diese Messung ist in einem aktuellen Blog von NVIDIA zu finden, in dem die Leistungen verschiedener Deep Learning-Kategorien verglichen werden. Weitere Informationen zu diesem Thema finden Sie unter der folgenden Adresse: https: //developer.nvidia.com/deep-learning-performance-training-inference
Deep Learning entwickelt sich schnell, und diese Messung ist daher keine vollständige Darstellung der Leistungen von Deep Learning. Dennoch ist sie nützlich und relevant, da sie uns eine gerechte Norm für den Vergleich der Ergebnisse "Bilder pro Sekunde" bietet.
Ich möchte darauf hinweisen, dass Dr. Kinghorn von Puget Systems, einem Partner von PNY, vor etwa einem Jahr zu diesem Thema geschrieben hat; seine Blogs sind ein nützlicher Leitfaden für Anfänger und bieten auch nützliche Ratschläge für fortgeschrittene Benutzer. Seine Bemühungen sind sehr zu empfehlen. Prenez le temps de lire son blog original en 5 parties :
Einführung à NGC.
Der wichtigste Baustein für diesen Workflow-Benchmark ist die NVIDIA GPU Cloud, kurz NGC.
Das NGC ist ein kostenloses Docker-Installationsverzeichnis, eine Sammlung der besten Logikprogramme für die Beschleunigung der Datenwissenschaft, die maschinelle Ausbildung und die Analyse. Die beliebtesten Frameworks, die auf NGC verfügbar sind, sind TensorFlow, PyTorch, Caffe2 und viele andere. Vous pouvez consulter le registre NGC en cliquant sur ce lien : https://ngc.nvidia.com/catalog, aucune inscription n'est requise.
Aber was ist schon ein Inhalt? Selon Docker.com :
"Ein Conteneur ist eine Standard-Logikeinheit, die den Code und alle seine Komponenten zusammenfasst, damit eine Anwendung schnell und zuverlässig von einer IT-Umgebung zu einer anderen ausgeführt werden kann. Ein Docker-Container-Image ist eine logische Einheit, die alles umfasst, was für die Ausführung einer Anwendung notwendig ist: Code, Ausführungszeit, Systemausstattung, Systembibliotheken und Parameter. https://www.docker.com/resources/what-container
Nach dieser Definition ist ein Conteneur eine kontrollierte Logikumgebung, in der alle Logikprogramme zusammen funktionieren sollen. Mit einem Docker-Container stellen Sie sicher, dass Ihre Logikumgebung zwischen den Tests kohärent und ohne Fehler zwischen den verschiedenen Bibliotheken ist. Die NGC-Konten haben den zusätzlichen Vorteil, dass sie von der NVIDIA-GPU optimiert, validiert und beschleunigt werden, was eine reibungslose Zusammenarbeit mit der NVIDIA-GPU ermöglicht.
Warum sollten Sie ein Linux-System verwenden? Momentan funktioniert NGC nur unter Linux.
Bevor wir uns im nächsten Blog mit den technischen Aspekten befassen, besuchen Sie das NGC-Register und verschaffen Sie sich einen Überblick über die Vielfalt der verfügbaren Inhalte. Besuchen Sie auch die Webseite der künstlichen Intelligenz von PNY, um mehr über die Art und Weise zu erfahren, wie die GPUs von NVIDIA die Welt verändern.
