私の同僚と私はSXM2 NVlinkなどで深い学習のために新しいサーバを買うことを検討しています。 そのpower8アーキテクチャは、ドッカー+深層学習フレームワークのテンソルフロー。 次のセットアップがうまくいくか、困難/不可能が予想される場合、誰かが経験したことがありますか？深いパワーで学ぶ8 sxm2 nvlink with ubuntu + p100
。それではここに結果があります。多分このハイパフォーマンスエリアに潜り込みたい人や、購入するアーキテクチャがわからない人を助けるかもしれません。
ユースケース： このユースケースは、既存のアーキテクチャ（SLURM）とクラウドサービス（主にx86のx86など）との統合です。したがって、私はnvidiaに話をし、彼らはx86上でnvlink（sxm2）の使用を推奨しました。 PCIeはgpu通信用の標準ソケットをカバーします。 SXM2はを透過的にテイクオーバーGPUグリッド通信します。これは、1つは、完全なPower8力を望んでいる場合は、ここで使用する場合は次のようになり
Power8（GPUはPCIeの上にも接続されている）x86用の配備は同じままながらのGPU上でのトレーニングが速く燃えるれるという利点を持っていますソケットからGPUまでの真のHPCレベル。これは展開の複雑さを必要とするよりもむしろ。 power8のブーストが必要な場合は、ユースケースレベル（ハイエンドのリサーチなど）を一度決定する必要があります。
のNvidiaは、より詳細に説明するものを、素敵なハイテクoverview paper紙を持っています。
残念ながら、我々はTensorFlowの電源アーキテクチャと多くの経験を持っていない、と私はコミュニティの人々のいずれかのレポートを見ていませんそれをうまく使っているので、問題を解決するためのトラブルシューティングが必要な場合があります。我々はそれが強くユースケースに依存していることを考え出し、上記のセットアップのため