【PPT下载】DGX-2如何驱动智能监控革命？NVIDIA高级系统架构师4000字详解

3月23日起，智东西联合NVIDIA推出「实战营」第一季，共计四期。第三期于4月13日晚8点在智东西「智能安防」系列社群开讲，由西安交通大学人工智能与机器人研究所博士陶小语、NVIDIA高级系统架构师易成二位讲师先后主讲，主题分别为《智能监控场景下的大规模并行化视频分析方法》和《NVIDIA DGX-2 驱动智能监控革命》。

NVIDIA在GTC 2018大会上发布了新一代超级计算机DGX-2，在两块独立的GPU板卡上配备了16块Tesla V100 GPU，每块V100拥有32GB HBM2显存(共512GB)，并且采用12个NVSwitch将16块GPU采用全线速互联的方式连接，使得任意两块GPU之间P2P总带宽都是300GB，处理器采用了两颗英特尔至强Platinum CPU，而存储方面则配置了1.5TB的标准内存，采用30TB的NVMe SSD，提供了更大的缓存空间，能够实现每秒2千万亿次浮点运算（2 PFLOPS），性能比去年9月推出的DGX-1性能提高了10倍。

本文为NVIDIA高级系统架构师易成的主讲实录，共计4381字，预计7分钟读完。在浏览主讲正文之前，先了解下本次讲解的提纲：

-NVIDIA DGX服务器的特点和在深度学习方面的优势
-NVIDIA P100和V100的深度学习计算性能对比分析
-V100 GPU的新特性及加速库的应用

智东西「实战营」第一季第一期由图玛深维首席科学家陈韵强和NVIDIA高级系统架构师付庆平，分别就《深度学习如何改变医疗影像分析》、《DGX超算平台-驱动人工智能革命》两个主题在智东西旗下「智能医疗」社群进行了系统讲解。第二期由NVIDIA深度学习学院认证讲师侯宇涛主讲，主题为《手把手教你使用开源软件DIGITS实现目标检测》。第四期是在智东西旗下「高性能计算」社群开讲，主题为《GPU加速的实时空间天气预报》，主讲老师为清华大学计算机系副教授都志辉、NVIDIA高级系统架构师易成。

易成：大家晚上好，我是NVIDIA的系统架构师易成，今天讲解的主题是《NVIDIA DGX-2 驱动智能监控革命》，前面陶老师的介绍非常精彩，我给大家讲解下GPU和DGX相关的技术，做深度学习和智能安防相关的同僚，可以多留意一下。

首先NVIDIA的产品主要运用在这三个领域:

1、GPU计算卡，主要做深度学习和高性能计算等，属于Tesla系列，是专业级的产品;
2、图形显卡，用于做电脑的图形显示、图形渲染等，属于GeForce、Titan系列，是消费级的产品;
3、Tegra系列，用于智能终端机器人，自动驾驶领域，是嵌入式的产品。

自从NVIDIA 2006年发布CUDA以来，GPU计算已经走过了十年的历程，从早期的HPC计算到现在广泛应用的人工智能深度学习领域，GPU的性能越来越高，功能也越来越丰富，使用的领域也越来越广。

GPU计算在视频编解码、图像识别、智能视频监控、语音识别、自然语言处理等领域都有广泛的应用，陶老师前面已经做了非常详细的介绍，这方面我就不多说了。

GPU的计算能力已经很强了，但是要解决现实中的问题，一块GPU或者一台八卡的GPU服务器是远远不够的，很多人工智能的应用都需要大规模的GPU集群进行计算，比如百度的语音识别系统，其网络模型的参数达到3亿个，需要20亿亿次计算量，谷歌的自然语言翻译系统有87亿个参数，大约需要100亿亿次的计算量，这些都需要大规模的GPU集群。

刚才陶老师介绍了P100做视频监控的应用，现在我们看一下P100和V100的性能比较。从理论峰值来看，V100的混合精度性能可以达到125TFLOPS，比P100提升了十倍多，这是因为V100里面增加了新的计算核心Tensor code，而P100是没有的。Tensor code可以支持FP16和FP32的混合乘加计算，适合做深度学习的Training（训练）和Inference（推理）。

这张图展示了V100和P100做深度学习Training和Inference的性能对比，加速效果还是非常明显的，V100相对P100 Training速度提升了2.4倍，Inference速度提升了3.7倍。

这张图展示的是在DGX-1平台上V100和P100在不同的深度学习框架上做Training（训练）的性能对比，最少的是PyTorch，提升了2.4倍，最多的是MXNet，提升了3.1倍。

V100是去年发布的，只有16GB的显存。今年3月份NVIDIA发布了新的V100，显存提升了一倍，增加到了32GB。虽然其他性能参数没有变化，但是显存增加一倍，也能给深度学习计算带来显著的性能提升。数据从主机内存加载到GPU显存一直是GPU计算性能提升的一个瓶颈，现在32GB的显存可以加载更多数据，降低了数据I/O（输入输出）的开销。

这张图上就是最新的V100 GPU，显存是32GB，其他参数现在没有什么变化。

32GB的V100也有NVLink和PCIE两种版本，除了显存提升到32GB之外，其他参数和原来的V100相比也没有什么变化。

前面我们介绍了GPU和32GB的V100 GPU。下面我们来看一下DGX服务器，首先我们看一下DGX-1，一台DGX-1包含8块NVLink V100 GPU，两颗Xeon处理器，512GB内存，4个100GB InfiniBand EDR网口，8TB SSD本地存储空间，一共有4个1600W电源，系统功耗是3200W，8个NVLink GPU采用立方体结构的互联方式，这种方式并不能保证任意两块GPU之间的速率都是相同的，且任意两块GPU之间P2P带宽小于300GB/s。

由于DGX-1 GPU互联采用立方体的架构，GPU之间的P2P带宽并不能达到300GB的理想速度，因此今年NVIDIA发布了新产品DGX-2，它的超强性能将不负众望。这款产品今年第三季度可以供货，DGX-2是一款标准机架式服务器，功耗10千瓦，因此对机柜的供电和散热会有一定的要求。

这是DGX-2的内部架构，和DGX-1相比，配置大幅度提升，首先是16块32GB的V100 GPU，12个NVSwitch，16块GPU采用全线速互联的方式，任意两块GPU之间P2P总带宽都是300GB。CPU采用Intel最新的铂金版CPU，配置1.5TB主机内存，比DGX-1提升3倍，8个100GB IB网卡，30TB NVME SSD提供了更大的缓存空间。

上图展示的是18端口的NVSWITCH交换机，每个端口是50GB的双向总带宽，NVSWITCH包含20亿个晶体管，是目前速度最快的交换机。

这是DGX-2内部GPU互联的架构图，DGX-2有12个NVSWITCH，每个GPU主板上有6个NVSWITCH，将16个GPU全部互联起来，我们知道每个GPU上有6个NVLink通道，每个通道连接一个NVSWITCH，所以每个GPU会和主板上的6个NVSWITCH互联，每个GPU主板上有8个GPU，所以每个NVSWITCH会有8个NVLink通道进来，也有8个NVLink通道出去，连接到NVBridge的背板上，也就是图中的中间桥梁部分，每个GPU主板的NVSWITCH共有48个NVLink接到背板上，因此背板的总带宽是2.4T每秒。

这里我们要了解两个概念，一个是NVSWITCH，一个是NVBridge，GPU和NVSWITCH相连，NVSWITCH和NVBridge相连。

这是一台DGX-2和两台DGX-1的性能比较。一台DGX-2和两台DGX-1的GPU数量是相等的，但是两台DGX-1的CPU资源比一台DGX-2的资源多一倍，我们发现运行物理学、气象、深度学习的应用时，DGX-2最少可以实现两倍的加速。

现在我们小结一下NVIDIA的产品线，现在NVIDIA有DGX的服务器，DGX 工作站DGX Station，DGX Station是水冷散热，静音效果非常好。服务器和工作站都可以支持32GB V100，还有用于做Inference的 P4 GPU，P4可以支持Int8数据类型。除此之外，我们还有用于自动驾驶的Drive PX2和嵌入式产品Jetson TX1。

如果是做GPU计算的朋友，可能对这个GPU计算平台的架构比较熟悉了，我们现在已经建立起了比较完善的GPU计算生态系统，可以用的工具非常多，有大量的GPU计算APP，如果我们要做开发的话，可以得到非常多的GPU加速计算工具和相关的资料，程序移植也比较方便，也有很多封装好的支持GPU的框架平台可以使用。

这里我想给大家介绍的是容器工具，DGX服务器中已经集成了容器平台NVIDIA-Docker和主流的深度学习框架。NVIDIA-Docker容器引擎是开源的软件，大家都可以下载使用。NVIDIA-Docker原生的Docker相比可以更好地调用GPU，也更稳定。和直接在物理机上运行软件相比，使用容器省去了软件安装、编译和部署的过程，避免软件依赖和兼容性的问题，节省了大量的时间，性能损失也非常小，一般容器的运行只有3%左右的损失。

下面给大家介绍一下NVIDIA的NGC平台，这是一个可以免费注册的平台，在NGC平台，大家可以下载各个版本的DeepLearning深度学习框架的容器镜像、开源的HPC应用软件容器镜像以及可视化软件的容器镜像，即使你不想使用容器，这个平台也是非常有用的，你可以将容器中编译安装好的软件拷贝到物理机上运行，可以省去你软件安装、编译和部署的时间。

最后介绍一下Inference（推理）软件TensorRT 4.0，这是今年新发布的一个版本，和3.0版本相比，增加了RNN、MLP 层的支持，也可以支持ONNX格式文件等功能。现在已经可以点击图上链接下载，欢迎大家使用。

我的演讲到这里就结束了，谢谢大家。

问题一
雷晨雨-平安科技-深度学习算法工程师
有没有在imagenet数据集上做过完整的训练性能比对，比8卡titanXP快多少，或者其他的性能比较？

易成：很多用户都关心这个问题，经常会问我们P100、V100和Titan的性能比较怎么样，由于P100和V100是我们Tesla系列的产品，属于专业级别的GPU卡，TITAN和GeForce都属于消费级的产品，有些消费级的GPU，还有非公版的产品，有些GPU甚至会牺牲寿命来将主频调高，所以我们不会和这两类产品做对比，但是二者的功能和性能区别还是挺多的，大家可以对比一下，我这里找到了一个网上的文章，可以分享给大家看看NVIDIA GPU—Tesla和GeForce的比较：http://blog.51cto.com/andyliu/1942473?from=timeline。

问题二
曹伟-安维尔信息技术-工程师
1，嵌入式tegra，消费显卡计算以及专业卡在视频安防处理的优缺点。
2，现在显卡计算方案和fpga以及现在tpu和一些ai芯片的优缺点。
3，GPU硬件解码对编码格式的支持情况。
4，目前GPU如何解决大规模数据运算时，保证GPU的有效利用率？

易成：1,这几种设备使用场景不同。嵌入式Tegra，主要用在智能终端，移动端，智能汽车，摄像头等场景，这种芯片体积小，功耗低，但计算能力相对较弱，主要做inference。消费级GPU可以一般是个人开发者用来做training应用，功能和性能不如Tesla专业GPU。Tesla GPU则是大规模部署在数据中心做training业务，也提供云端的inference业务，这类GPU计算能力强，功能较多，但功耗较高，对散热要求较高。

2，目前，甚至在今后相当长的一段时间内，GPU都是计算性能最强，技术最成熟，方案最完善的产品。FPGA的优点是功耗低，支持定制化，开发周期短，适合小规模部署；缺点是基于FPGA的编程难度比较大，程序的移植性较差，不支持双精度浮点等；TPU目前无法单独购买，只能在Google云上使用；TPU的性能也不如目前的V100；目前的一些AI芯片，比如寒武纪，比特大陆等，他们主要是用来做inference的，不是做training的，计算能力较低，开发编程环境，函数库等还不完善。

3，不同的GPU对支持的格式不同，V100可以支持所有的格式，P100不支持H.265 (HEVC) 8k，支持的格式可以看NVIDIA官网介绍可以看看这个链接介绍https://developer.nvidia.com/video-encode-decode-GPU-support-matrix

4，GPU的利用率和负载情况相关，尽量保证GPU数量和计算量相匹配。另外，V100 GPU支持MPS多进程服务功能，开启MPS也可以一定程度提高利用率。

问题三
郑少飞-安徽大学-计算机视觉方向
1，在各个深度学习框架以及各种API逐渐完善的今天，我们更多时候都是在用现成的接口和框架实现我们的所需，低层的封装等都有专门的团队在做。我想问一下，在这种情况下做研究，我们有必要去倾注一些精力去熟悉一些硬件架构以及低层的一些封装算法吗？

2，目前GPU架构的缺点，将来会怎么改进？

易成：1，开发深度学习框架的目的就是为了节省大家程序开发的时间，避免大家去做硬件架构和底层相关的开发，比如我们不必写CUDA代码去调用GPU了。因此我们在做一些工程项目的时候，就不用太关注这些底层的东西。如果我们是做科研，或者觉得现有的框架性能不够好，要开发自己的框架，这些还是需要了解的。

2，目前GPU的性能虽然已经很高了，但还是不够，现在对计算能力的要求增长的更快，所以今后GPU的性能还会有进一步的提升；还有比如功耗，现在一块GPU功耗300W，DGX-2的功耗达到10kW，散热的问题很严重，能不能把这个功耗降下去，所以，需要改进的地方还很多。

「提醒：如果希望下载每期实战营的完整课件，可以在智东西公众号（zhidxcom）回复关键词“实战营”获取。如果你希望成为讲师，可以回复关键词“讲师”，进行申请」