DGX Spark, par kuru paziņoja NVIDIA, ir spēcīgs AI superdators, kas paredzēts darbvirsmas lietošanai, izmantojot NVIDIA Grace Blackwell platformu. Tas ir optimizēts AI attīstībai, jo īpaši ar NVIDIA CUDA-X AI platformu, kas atbalsta tādas ietvarus kā TensorFlow un Pytorch caur NVIDIA Tensorrt un citiem rīkiem. Lai gan DGX Spark galvenokārt ir paredzēts, lai nemanāmi darbotos ar Nvidia ekosistēmu, tas tieši neizslēdz citu dziļo mācību ietvaru, piemēram, kofe vai teano, izmantošanu.
Tomēr, izmantojot ietvarus, piemēram, kofe vai theano uz DGX dzirksteles, var būt nepieciešama papildu iestatīšana un saderības pārbaude. Šeit ir detalizēts pārskats:
1. NVIDIA ekosistēma: DGX Spark ir optimizēta NVIDIA AI platformai, kas modeļu optimizēšanai ietver tādus rīkus kā Tensorrt. Šī platforma galvenokārt ir paredzēta darbam ar ietvariem, kas ir labi integrēti ar NVIDIA aparatūras un programmatūras kaudzi, piemēram, TensorFlow un Pytorch.
2. Caffe un theano saderība:
- Kafija: Lai arī kofe nav tik plaši izmantota kā kādreiz, to joprojām var palaist Nvidia GPU, izmantojot CUDA. Tomēr Caffe atbalsts jaunākām NVIDIA arhitektūrām un funkcijām varētu nebūt tik spēcīga kā Tensorflow vai Pytorch. Lietotājiem būtu jānodrošina, lai Caffe būtu pareizi konfigurēta, lai izmantotu NVIDIA aparatūru DGX Spark.
- Theano: Theano vairs netiek aktīvi uzturēts, un to lielā mērā aizstāja Tensorflow un Pytorch. Theano vadīšana uz DGX Spark, iespējams, prasīs ievērojamas pūles, lai nodrošinātu savietojamību ar jaunāko NVIDIA aparatūru un programmatūru.
3. Vispārīgi apsvērumi:
- Lai izmantotu ietvarus, piemēram, Caffe vai Theano uz DGX Spark, izstrādātājiem būtu jāpārliecinās, ka šie ietvari ir pareizi konfigurēti, lai piesaistītu NVIDIA aparatūru. Tas var ietvert manuālu CUDA atbalsta iestatīšanu vai trešo personu bibliotēku izmantošanu, kas nodrošina savietojamību.
- Turklāt, tā kā DGX Spark ir paredzēts nemanāmi darbam ar Nvidia pilna kaudzes AI platformu, izmantojot citus ietvarus, iespējams, pilnībā neizmantojot optimizēto veiktspēju un funkcijas, ko nodrošina Nvidia ekosistēma.
Rezumējot, lai gan DGX Spark galvenokārt tiek optimizēts tādiem ietvariem kā TensorFlow un Pytorch, tehniski ir iespējams izmantot citus ietvarus, piemēram, kofe vai Theano ar papildu iestatīšanu un saderības pārbaudēm. Tomēr DGX dzirksteles veiktspējas ieguvumi, iespējams, netiks realizēti, neizmantojot NVIDIA ieteiktos ietvarus un rīkus.
Atsauces:
[1.]
[2] https://www.techpowerup.com/334300/nvidia-announces-dgx-park-and-dgx-station-personal-ai-computers
[3] https://www.osti.gov/servlets/purl/1569281
[4] https://spark.apache.org/docs/latest/ml-guide.html
[5] https://www.barchart.com/story/news/31463037/nvidia-announces-dgx-park-and-dgx-station-personal-ai-computers
[6] https://support.brightcomputing.com/manuals/8.1/machine-learning-manual.pdf
[7] https://domino.ai/blog/spark-ask-ray-choosing-the-grait-framework
[8] https://tech.yahoo.com/article/nvidias-spark-desktop-ai-supercomputer-arrives-this-summer-200351998.html
[9] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-park-and-dgx-station-personal-ai-computers