密集型计算的终极挑战——自动驾驶汽车的人工智能训练
近日，英伟达（nvidia）发布了其最新研发成果——超级计算机dgx superpod。其强大的运算能力名列全球运算速度最快排行榜第22名，意欲加快自动驾驶汽车相关技术的开发及部署。
据悉，该超级计算机系统的搭建仅用时3个星期，采用了96台nvidia dgx-2h超级计算机与mellanox互联技术。其处理能力高达9.4 petaflops，用于训练安全自动驾驶汽车所需要的海量深度神经网络。
自动驾驶汽车的人工智能训练可以说得上是密集型计算的终极挑战。
一台数据收集车辆每小时能生成1tb数据。整个车队经过数年行驶后，其数据量将会很快达到几pb（千兆兆字节）量级。这些数据会被用来根据道路规则对算法进行训练，并且还会被用来找出车辆内运行的深度神经网络的潜在故障。
英伟达人工智能基础设施副总裁clement farabet表示：“若要保持人工智能领先地位，需要在计算基础设施方面保持领先。很少有像训练自动驾驶汽车这样对人工智能有如此之高的需求，其需要对神经网络进行数万次的反复训练，以满足极高精度。对于如此大规模的处理能，dgx superpod无可替代。”
dgx superpod内含1,536颗nvidia v100 tensor core gpu，由nvidia nvswitch及 mellanox网络结构相联接，为其提供强力支持，使其以同等大小的超级计算机所无可匹敌的性能处理数据。该套系统能够不间断运行，优化自动驾驶软件，并以前所未有的周转时间反复训练神经网络。
例如，dgx superpod软硬件平台能够在不到2分钟的时间之内完成人工智能模型resnet-50的训练，而在2015年，即便采用当时最先进的单颗nvidia k80 gpu，也需要25天才能完成训练任务，如今dgx superpod生成结果的速度较之前加快了18,000倍。
值得一提的是
具备同等性能的其他top500超级计算机系统都由数千台服务器构建而成，而dgx superpod占地面积更少，其体积比这些同等系统小400倍左右。
通过构建类似dgx superpod这样的超级计算机，使英伟达学会如何设计面向大规模人工智能机器的系统。这是超级计算机技术领域内的一大进步，让大规模计算能力得以跨出学术界，为那些想要使用高性能计算加快其各种计划的交通运输公司及其他行业所用。
SPCE061A在智能语音识别避障机器人中的设计应用
福特开发出带有激光雷达传感器的送货机器人
软银成功收购Uber14%股权 Uber最新估值690亿美元
2020年自动驾驶传感器芯片行业研究报告
可测性设计结构提高电路内系统模块的可测试性
密集型计算的终极挑战——自动驾驶汽车的人工智能训练
AT&T有望于明年上半年推出全国性5G移动网络
华为正式公布了四大可持续发展战略
光伏储能直流供电系统介绍 直流供电 未来可期
新手学习工业机器人，需从电工电路以及PLC编程开始学起
聚焦5G毫米波 台郡科技或涉足AiP天线
优傲机器人推出自动焊接工作站 焊接技术小白也能变身自动焊接高手
二马互逼互爱 中国互联网进入“二马狂奔”时代
英飞凌的ICL8001G工作原理与应用
简单的亮通开关电路图解析
中芯国际新公告 拟合作开展28纳米及以上集成电路项目
Qualcomm推出了面向5G固定无线接入的一站式解决方案
vivo新品发布会:正式推出了X系列的最新旗舰手机——X23
你见过有四个管脚的LED灯吗？
iOS11推出两个Beta版本之后公测版正式发布？现在可以下载iOS11公测版系统了
据悉，该超级计算机系统的搭建仅用时3个星期，采用了96台nvidia dgx-2h超级计算机与mellanox互联技术。其处理能力高达9.4 petaflops，用于训练安全自动驾驶汽车所需要的海量深度神经网络。
自动驾驶汽车的人工智能训练可以说得上是密集型计算的终极挑战。
一台数据收集车辆每小时能生成1tb数据。整个车队经过数年行驶后，其数据量将会很快达到几pb（千兆兆字节）量级。这些数据会被用来根据道路规则对算法进行训练，并且还会被用来找出车辆内运行的深度神经网络的潜在故障。
英伟达人工智能基础设施副总裁clement farabet表示：“若要保持人工智能领先地位，需要在计算基础设施方面保持领先。很少有像训练自动驾驶汽车这样对人工智能有如此之高的需求，其需要对神经网络进行数万次的反复训练，以满足极高精度。对于如此大规模的处理能，dgx superpod无可替代。”
dgx superpod内含1,536颗nvidia v100 tensor core gpu，由nvidia nvswitch及 mellanox网络结构相联接，为其提供强力支持，使其以同等大小的超级计算机所无可匹敌的性能处理数据。该套系统能够不间断运行，优化自动驾驶软件，并以前所未有的周转时间反复训练神经网络。
例如，dgx superpod软硬件平台能够在不到2分钟的时间之内完成人工智能模型resnet-50的训练，而在2015年，即便采用当时最先进的单颗nvidia k80 gpu，也需要25天才能完成训练任务，如今dgx superpod生成结果的速度较之前加快了18,000倍。
值得一提的是
具备同等性能的其他top500超级计算机系统都由数千台服务器构建而成，而dgx superpod占地面积更少，其体积比这些同等系统小400倍左右。
通过构建类似dgx superpod这样的超级计算机，使英伟达学会如何设计面向大规模人工智能机器的系统。这是超级计算机技术领域内的一大进步，让大规模计算能力得以跨出学术界，为那些想要使用高性能计算加快其各种计划的交通运输公司及其他行业所用。
SPCE061A在智能语音识别避障机器人中的设计应用
福特开发出带有激光雷达传感器的送货机器人
软银成功收购Uber14%股权 Uber最新估值690亿美元
2020年自动驾驶传感器芯片行业研究报告
可测性设计结构提高电路内系统模块的可测试性
密集型计算的终极挑战——自动驾驶汽车的人工智能训练
AT&T有望于明年上半年推出全国性5G移动网络
华为正式公布了四大可持续发展战略
光伏储能直流供电系统介绍 直流供电 未来可期
新手学习工业机器人，需从电工电路以及PLC编程开始学起
聚焦5G毫米波 台郡科技或涉足AiP天线
优傲机器人推出自动焊接工作站 焊接技术小白也能变身自动焊接高手
二马互逼互爱 中国互联网进入“二马狂奔”时代
英飞凌的ICL8001G工作原理与应用
简单的亮通开关电路图解析
中芯国际新公告 拟合作开展28纳米及以上集成电路项目
Qualcomm推出了面向5G固定无线接入的一站式解决方案
vivo新品发布会:正式推出了X系列的最新旗舰手机——X23
你见过有四个管脚的LED灯吗？
iOS11推出两个Beta版本之后公测版正式发布？现在可以下载iOS11公测版系统了