Zahlreiche technologische Trends verlangen nach immer leistungsfähigerer KI.

Bild: Pixabay, TheDigitalArtist

GPU-Server Machine Learning und KI beschleunigen

07.05.2019

Bressner bietet nun spezielle GPU-Server an, die Machine und Deep Learning sowie Künstliche Intelligenz beschleunigen sollen. Damit sollen künftige Anforderungen aus Bereichen wie dem Gesundheitswesen oder Smart Cities besser erfüllt werden.

Künstliche Intelligenz (KI) ist heute längst kein rein akademisches Thema mehr, sondern wird bereits vielfältig praktisch angewendet. Beispiele hierfür finden sich in der Gesichtserkennung, der Robotik, Analytik, Gesundheitsvorsorge oder Smart-City-Anwendungen.

Der wissenschaftliche Fortschritt erfordert eine Beschleunigung von Machine Learning und Deep Learning. Mit der Shark-A.I.-Serie führt Bressner jetzt GPU-Server im Angebot, die für diese Anforderungen entwickelt wurden.

Flexibles Framework für verschiedene KI-Anwendungen

„Hochleistungscomputersysteme für die Beschleunigung von GPUs sind ein entscheidender Faktor für spezifische Lösungen, die High-Performance-Computing-Anwendungen und Remote-Virtualisierung optimieren müssen“, sagt Josef Bressner, Geschäftsführer von Bressner Technology. Der GPU-Server Shark A.I. ist als Edge-Plattform frei konfigurierbar und soll Flexibilität und Agilität in der Cloud deutlich erhöhen können. Er unterstützt mehrere Topologien und Bandbreiten und bietet die Möglichkeit, unterschiedliche Head Nodes zu implementieren. Zudem lässt sich mit ihm die Anzahl der GPUs pro virtueller Maschine frei wählen.

Der Shark A.I. unterstützt sowohl Single- als auch Dual-Root-Komplexe für verschiedene KI-Anwendungen. Bei Deep-Learning-Anwendungen kann ein Single-Root-Complex alle GPU-Cluster nutzen, um sich auf große Lernprozesse und die CPU für kleine Aufgaben zu konzentrieren. Bei maschinellen Lernprozessen kann ein Dual-Root-Komplex den CPUs mehr Aufgaben zuweisen und weniger verteilte Lernprozesse zwischen GPUs anordnen.

CPU, RAM und GPU je nach Bedarf

Da die verschiedenen Anwendungen im Edge High Performance Computing individuelle Plattformlösungen benötigen, unterstützt Bressner Anwender mit kundenspezifischen Entwicklungen. CPU, RAM und GPU werden auf die jeweiligen Bedürfnisse abgestimmt.

Vor Auslieferung werden die Geräte im Labor einem 24-h-Burn-in-Belastungstest ausgesetzt. Die möglichen Systeme unterstützen sowohl Nvidia- als auch AMD-Grafikkarten; je nach Modell sind bis zu zehn Steckplätze möglich.

Leistungsmerkmale der Shark-A.I.-Serie im Überblick:

  • bis zu zehn PCIe-x16-Gen3-GPU-Slots

  • Single- beziehungsweise Dual-Socket-Xeon-skalierbarer Prozessor

  • bis zu 384 GB beziehungsweise 3 TB DDR4-RAM

  • zwei OnBoard-10-GBase-T-LAN-Ports

  • 1 bis 4 HE Rackmount

  • Hot-Swap-fähige Laufwerkseinschübe

  • redundante Lüftermodule und redundante Netzteile

Bildergalerie

  • Der GPU-Server Shark A.I. soll Machine Learning, Deep Learning sowie Künstliche Intelligenz beschleunigen.

    Bild: Bressner

  • Ein 4-HE-Shark-A.I.-GPU-Server.

    Bild: Bressner

Firmen zu diesem Artikel
Verwandte Artikel