PNY Pro, 03 de mayo de 2019
Como apasionado de la informática, me gusta comparar las soluciones materiales de unos y otros para determinar su rendimiento en la ejecución de una tarea concreta. Este proceso también se conoce como "Benchmarking". Los resultados del análisis comparativo suelen considerarse la mejor herramienta para evaluar los méritos de los sistemas competidores a la hora de tomar una decisión de compra.
En esta serie de blogs divididos en tres partes, discutiremos la forma de construir un sistema, haciendo hincapié en la evaluación del rendimiento de la GPU para el aprendizaje en profundidad utilizando Ubuntu 18.04, NVIDIA GPU Cloud (NGC) y TensorFlow.
A continuación se presenta una serie de artículos:
Partie Une: Introduction
Segunda parte: Consideraciones sobre el hardware
Tercera parte: Configuración del software
La mayoría de los jugadores conocen las herramientas de benchmarking como 3DMark y Unigene Superposition, mientras que los profesionales se basan en suites de confianza como SPECviewperf y PassMark. En lo que respecta a los criterios de evaluación de la formación, el "escalón de medida" más conocido es la formación de una red neuronal ResNet-50 con ayuda del conjunto de datos ImageNet, más concretamente el conjunto de datos ImageNet 2012 para la clasificación de imágenes.
Las empresas centradas en el aprendizaje avanzado suelen utilizar esta medida para medir y comparar el rendimiento del cálculo. Esta medida aparece en un reciente blog de NVIDIA en el que se comparan los rendimientos de distintos cuadros de Deep Learning. Puedes encontrar más información sobre este tema en la siguiente dirección: https: //developer.nvidia.com/deep-learning-performance-training-inference
El Deep Learning evoluciona rápidamente, por lo que esta medida no es una representación completa del rendimiento del Deep Learning. Sin embargo, es útil y pertinente porque nos da una norma equitativa para comparar los resultados "imágenes por segundo".
El Dr. Kinghorn de Puget Systems, socio de PNY, escribió sobre este tema hace un año; sus blogs son una guía útil para los principiantes y también ofrecen consejos útiles para los usuarios avanzados. Sus esfuerzos son muy recomendables. Tómate tu tiempo para leer su blog original en 5 partes :
Introducción à NGC.
El arma secreta para construir este benchmark de flujo de trabajo es NVIDIA GPU Cloud, o NGC.
NGC es un registro gratuito de contenedores Docker, una colección de los mejores programas informáticos para la aceleración de la ciencia de los datos, el aprendizaje automático y el análisis. Los frameworks más populares disponibles en NGC son TensorFlow, PyTorch, Caffe2 y muchos otros. Puedes consultar el registro de NGC haciendo clic en este enlace: https: //ngc.nvidia.com/catalog, no es necesario registrarse.
Entonces, ¿qué es un contador? Según Docker.com :
"Un contenedor es una unidad logística estándar que agrupa el código y todos sus componentes para que la aplicación se ejecute de forma rápida y fiable en un entorno informático distinto. Una imagen de contenedor Docker es un conjunto de lógicas ligeras, autónomas y ejecutables que incluye todo lo necesario para la ejecución de una aplicación: código, tiempo de ejecución, sistema de herramientas, sistema de bibliotecas y parámetros ". https://www.docker.com/resources/what-container
Según esta definición, un contenedor es un entorno logístico controlado en el que todos los programas están diseñados para funcionar juntos. Al utilizar un contenedor Docker, te aseguras de que tu entorno logístico es coherente entre las pruebas y sin errores de dependencia entre las diferentes bibliotecas. Los contadores NGC tienen la ventaja adicional de estar optimizados, validados y acelerados por la GPU NVIDIA, lo que les permite funcionar correctamente con las GPU NVIDIA.
¿Por qué utilizar un sistema Linux? Actualmente, NGC sólo funciona con Linux.
Antes de entrar en materia en el próximo blog, visita el registro de NGC y hazte una idea de la variedad de contenidos disponibles. Además, visita la página de bienvenida de la inteligencia artificial de PNY para obtener más información sobre la forma en que las GPU NVIDIA cambian el mundo.
