Le NVIDIA DGX Spark n'est pas un modèle GPU traditionnel mais un supercalculateur AI compact propulsé par le NVIDIA GB10 Grace Blackwell Superchip. Cette superchip comprend un GPU Blackwell avec des noyaux de tenseur de cinquième génération et prend en charge FP4, qui est optimisé pour les charges de travail de l'IA telles que le réglage fin et l'inférence. Bien que le DGX Spark lui-même ne soit pas un modèle GPU, son composant GPU est conçu pour gérer les tâches AI exigeantes, y compris celles qui peuvent être exécutées avec TensorFlow.
TensorFlow peut être utilisé sur des systèmes comme le DGX Spark, qui prend en charge le développement et le déploiement de l'IA. Cependant, la compatibilité spécifique de TensorFlow avec le GPU de DGX Spark n'est pas explicitement détaillée en termes de modèles GPU traditionnels. Au lieu de cela, le DGX Spark est conçu pour fonctionner de manière transparente avec la plate-forme AI complète de NVIDIA, permettant aux utilisateurs de développer et de déployer des modèles AI localement ou dans le cloud avec un minimum d'ajustements.
Pour exécuter TensorFlow sur les GPU NVIDIA, généralement, tout GPU NVIDIA qui prend en charge CUDA peut être utilisé. Le GPU de DGX Spark fait partie de l'architecture Grace Blackwell, qui est optimisée pour les tâches AI et comprend des fonctionnalités telles que la technologie d'interconnexion NVINK-C2C pour une bande passante de mémoire améliorée. Cette configuration est propice à l'exécution efficace de TensorFlow et d'autres cadres d'IA, bien qu'il puisse nécessiter d'utiliser le système d'exploitation DGX personnalisé de NVIDIA, qui est basé sur Ubuntu Linux.
En résumé, alors que le DGX Spark n'utilise pas de modèle GPU NVIDIA traditionnel comme la série GeForce ou Quadro, son GPU Blackwell intégré est compatible avec des cadres AI comme TensorFlow en raison de sa prise en charge des technologies et des logiciels axées sur l'AI de NVIDIA.
Citations:
[1] https://www.theverge.com/news/631957/nvidia-dgx-spark-station-grace-blackwell-ai-supercomputers-gtc
[2] https://nvidianews.nvidia.com/news/nvidia-annunces-dgx-spark-and-dgx-station-sersonal-ai-computers
[3] https://www.pcmag.com/news/what-is-nvidias-dgx-station-a-new-specialized-desktop-line-for-maywork
[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/park-ebook/gpu-accelerateated-sker-3/
[6] https://www.nstellationr.com/blog-news/insights/nvidia-lonches-dgx-sker-dgx-station-personal-ai-superccomputers
[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