По мере погружения в тему искусственного интеллекта становится понятно: это больше, чем просто глубокое обучение. Искусственный интеллект – большой комплекс алгоритмов машинного обучения, подкрепленных мощной аналитикой, сложными вычислениями и инструментами коммуникаций. Модели ИИ сложны, а для их развертывания в реальном мире необходимо не только обучение, но и средства обработки и представления полученной информации.
Как понять, что ЦОД отвечает потребностям ИИ-систем? Обратимся к последним наработкам HPE и Intel – эти компании выпускают продукты, которые идеально подходят для внедрения технологий глубокого обучения.
Искусственный интеллект в HPE и Intel
Оборудование для ИИ – какое оно?
Есть два пути: использовать уже имеющееся железо в дата-центре или закупить новое (включая workstations) с учетом потребностей конкретной системы. Здесь важна каждая деталь: и как часто нужно обучать, и какие данные придется обрабатывать – структурированные или неструктурированные, изображения, голос, текст и т. п. Одни продукты хорошо справятся с распознаванием изображений, другие подойдут для обработки неструктурированных данных. В любом случае стоит обратить внимание на решения с процессорами Intel Xeon Scalable – такие как серверы HP Apollo и ProLiant. Это оптимальный вариант для сложных гибридных приложений, которые активно используют ресурсы памяти.
Чтобы оценить на практике возможности Xeon Scalable, не обязательно полностью менять парк оборудования, достаточно масштабировать имеющиеся системы. Это позволит максимально эффективно использовать доступную инфраструктуру для работы с искусственным интеллектом.
Серверы HP поддерживают не только высокопроизводительные процессоры, но и FPGA – программируемые логические интегральные схемы. Они ускоряют работу (например, с базами данных), тестирование и анализ Big Data. Снижается энергопотребление и стоимость материалов, а также появляется возможность конфигурировать систему «на лету» для запуска различных алгоритмов, которые требуют внесения изменений в реальном времени. Вскоре HPE планирует анонсировать поддержку FPGA в серверах линейки ProLiant Gen10.
Intel и HPE – совместные решения для искусственного интеллекта
Масштабируемость и скорость вычислений
Когда необходимо поддерживать высокоскоростное соединение, важно масштабировать и передавать данные серверам, процессорам и FPGA. По мере расширения ИИ-системы аппаратные серверы, на базе которых она работает, должны так же беспрепятственно развиваться. Это позволит поддерживать необходимую скорость, гибкость, универсальность и безопасность.
Архитектура Intel Omni-Path Architecture (OPA) представляет собой соединение, изначально разработанное для высокопроизводительных вычислительных кластеров (HPC), оно повышает эффективность, скорость и масштабируемость. Плотность данных увеличивается, а латентность и стоимость системы – снижаются. Построенные с помощью OPA кластеры можно использовать в самых разных сферах: днем они обслуживают одни рабочие нагрузки, а ночью работают на нужды ИИ. Объединяя HPE Apollo Systems, сервер HP SGI 8600 и HP ProLiant с технологией Intel OPA, вы получаете оптимальное решение для межсетевого взаимодействия, охватывающее все кластеры: от начального уровня до суперкомпьютеров.
Открытое ПО, библиотеки и инструменты для быстрого развертывания ИИ
Фреймворки и библиотеки играют важную роль в продвижении систем ИИ. Разработчикам нужны программные инструменты, которые просты в использовании, ускоряют рабочий процесс и обеспечивают поддержку экосистемы. Свободно распространяемый фреймворк Intel MKL-DNN оптимизирован для работы с популярными платформами (TensorFlow и MXNet) и позволяет в несколько десятков раз увеличить производительность самообучающихся систем. И главное – теперь Intel MKL-DNN можно использовать совместно с HPE Apollo и ProLiant.
HPE и Intel: вместе к успеху
Компании HPE, которая поставляет серверы, и Intel объединили усилия, чтобы создать новое решение, оптимизированное для искусственного интеллекта. Оно базируется на вычислительной платформе HPE ProLiant (точнее, это сервер модели DL360 Gen10), масштабируемых процессорах Intel Xeon, технологии Intel OPA и опционально загружаемой платформе Intel MKL-DNN для глубокого машинного обучения с поддержкой TensorFlow, MXNet и OpenVino. Продукт, который предлагают два крупнейших вендора, подойдет всем: тем, кто только начинает работать с системами искусственного интеллекта, и тем, кто планирует масштабировать имеющуюся инфраструктуру.
