NVIDIA DGX Spark er ikke en traditionel GPU -model, men en kompakt AI -supercomputer, der er drevet af NVIDIA GB10 Grace Blackwell Superchip. Denne SuperChip inkluderer en Blackwell GPU med femte generation af tensorkerner og understøtter FP4, som er optimeret til AI-arbejdsbelastninger såsom finjustering og inferens. Mens selve DGX -gnisten ikke er en GPU -model, er dens GPU -komponent designet til at håndtere at kræve AI -opgaver, inklusive dem, der kan køres med TensorFlow.
TensorFlow kan bruges på systemer som DGX Spark, der understøtter AI -udvikling og implementering. Imidlertid er den specifikke kompatibilitet af TensorFlow med DGX Sparks GPU ikke eksplicit detaljeret med hensyn til traditionelle GPU -modeller. I stedet er DGX Spark designet til at arbejde problemfrit med NVIDIAs fuldstak-AI-platform, så brugerne kan udvikle og implementere AI-modeller lokalt eller i skyen med minimale justeringer.
Til kørsel af TensorFlow på NVIDIA GPU'er kan generelt enhver NVIDIA GPU, der understøtter CUDA, bruges. DGX Sparks GPU er en del af Grace Blackwell-arkitekturen, der er optimeret til AI-opgaver og inkluderer funktioner som NVLINK-C2C Interconnect Technology til forbedret hukommelsesbåndbredde. Denne opsætning er befordrende for at køre TensorFlow og andre AI -rammer effektivt, skønt det muligvis kræver brug af NVIDIAs brugerdefinerede DGX OS, der er baseret på Ubuntu Linux.
I sammendraget, mens DGX-gnisten ikke bruger en traditionel NVIDIA GPU-model som GeForce eller Quadro-serien, er dens integrerede Blackwell GPU kompatibel med AI-rammer som TensorFlow på grund af dens støtte til NVIDIAs AI-fokuserede teknologier og softwarestak.
Citater:
[1] https://www.theverge.com/news/631957/nvidia-dgx-spark-station-grace-blackwell-i-supercomputere-gtc
)
)
[4] https://nvidia-merlin.github.io/merlin/main/support_matrix/support_matrix_merlin_tensorflow_training.html
[5] https://www.nvidia.com/en-us/ai-data-science/spark-ebook/gpu-accelerated-spark-3/
[6] https://www.constellationr.com/blog-news/insights/nvidia-launches-dgx-spark-dgx-station-personal-i-supercomputere
[7] https://www.reddit.com/r/cuda/comments/1fcal2c/soo_can_i_train_ai_models_tensorflow_etc_using_my/
[8] https://www.arista.com/assets/data/pdf/whitepapers/nvidia-wp-scaling-dl-with-matrix-dgx-1-w03wp201904.pdf
[9] https://www.tensorflow.org/guide/gpu