密集型計算的終極挑戰(zhàn)——自動駕駛汽車的人工智能訓練

近日，英偉達（NVIDIA）發(fā)布了其最新研發(fā)成果——超級計算機DGX SuperPOD。其強大的運算能力名列全球運算速度最快排行榜第22名，意欲加快自動駕駛汽車相關技術的開發(fā)及部署。

據(jù)悉，該超級計算機系統(tǒng)的搭建僅用時3個星期，采用了96臺NVIDIA DGX-2H超級計算機與Mellanox互聯(lián)技術。其處理能力高達9.4 petaflops，用于訓練安全自動駕駛汽車所需要的海量深度神經(jīng)網(wǎng)絡。

自動駕駛汽車的人工智能訓練可以說得上是密集型計算的終極挑戰(zhàn)。

一臺數(shù)據(jù)收集車輛每小時能生成1TB數(shù)據(jù)。整個車隊經(jīng)過數(shù)年行駛后，其數(shù)據(jù)量將會很快達到幾PB（千兆兆字節(jié)）量級。這些數(shù)據(jù)會被用來根據(jù)道路規(guī)則對算法進行訓練，并且還會被用來找出車輛內運行的深度神經(jīng)網(wǎng)絡的潛在故障。

英偉達人工智能基礎設施副總裁Clement Farabet表示：“若要保持人工智能領先地位，需要在計算基礎設施方面保持領先。很少有像訓練自動駕駛汽車這樣對人工智能有如此之高的需求，其需要對神經(jīng)網(wǎng)絡進行數(shù)萬次的反復訓練，以滿足極高精度。對于如此大規(guī)模的處理能，DGX SuperPOD無可替代?！?/p>

DGX SuperPOD內含1,536顆NVIDIA V100 Tensor Core GPU，由NVIDIA NVSwitch及 Mellanox網(wǎng)絡結構相聯(lián)接，為其提供強力支持，使其以同等大小的超級計算機所無可匹敵的性能處理數(shù)據(jù)。該套系統(tǒng)能夠不間斷運行，優(yōu)化自動駕駛軟件，并以前所未有的周轉時間反復訓練神經(jīng)網(wǎng)絡。

例如，DGX SuperPOD軟硬件平臺能夠在不到2分鐘的時間之內完成人工智能模型ResNet-50的訓練，而在2015年，即便采用當時最先進的單顆NVIDIA K80 GPU，也需要25天才能完成訓練任務，如今DGX SuperPOD生成結果的速度較之前加快了18,000倍。

值得一提的是

具備同等性能的其他TOP500超級計算機系統(tǒng)都由數(shù)千臺服務器構建而成，而DGX SuperPOD占地面積更少，其體積比這些同等系統(tǒng)小400倍左右。

通過構建類似DGX SuperPOD這樣的超級計算機，使英偉達學會如何設計面向大規(guī)模人工智能機器的系統(tǒng)。這是超級計算機技術領域內的一大進步，讓大規(guī)模計算能力得以跨出學術界，為那些想要使用高性能計算加快其各種計劃的交通運輸公司及其他行業(yè)所用。