Глубокое обучение на power8 sxm2 nvlink с ubuntu + p100

Question

мои коллеги и я рассматриваю возможность покупки нового сервера для глубокого обучения с помощью SXM2 NVlink и т. Д. Поскольку его архитектура power8 я ожидаю некоторых трудностей с созданием на ней обычного стека, например. docker + tensorflow для глубокого обучения. У кого-нибудь есть опыт, если будет работать следующая настройка, или я должен ожидать трудности/невозможности?

• SXM2 Power8 - 4 х Р100 GPU для NVLINK
• Os: Ubuntu 14.04/16.04 голый металл установка
• сведущих с помощью SLURM планировщика.
• Deep Learning рамочный: Caffee и факел, tensorflow (пользователь пользовательских сборки)

Answer 1

Для описанной выше установки мы выяснили, что она сильно зависит от варианта использования. Итак, вот выводы. Возможно, это помогает другим, которые хотят погрузиться в эту область высокой производительности, и не уверены, какую архитектуру купить.

использования: Наш случай использования является интеграция в существующую архитектуру (Слерма) и облачных сервисов (в основном x86 например, на АМС). Поэтому я поговорил с nvidia, и они рекомендовали использовать nvlink (sxm2) на x86. PCIe будет охватывать стандартный разъем для связи gpu. SXM2 будет прозрачно захват сети сетки GPU. Это будет иметь преимущество, что обучение на чипах прокладывают быстро во время развертывания x86 остается тем же (графические процессоры также подключить через PCIe)

Power8 Если один хочет полностью Power8 силу случай использования здесь будет true HPC уровни от сокета до графического процессора. Это потребует большей сложности при развертывании. Когда требуется усиление power8, необходимо определить уровень использования (например, исследование высокого уровня).

У Nvidia есть хорошая технология overview paper бумага, объясняющая материал более подробно.

Answer 2

К сожалению, у нас нет большого опыта работы с Силовыми архитектурами TensorFlow, и я не видел никаких сообщений о людях в сообществе используя его успешно, поэтому для его работы может потребоваться некоторое устранение неполадок.