NVIDIA DGX Spark är inte en traditionell GPU -modell utan en kompakt AI -superdator som drivs av NVIDIA GB10 Grace Blackwell Superchip. Detta superchip inkluderar en Blackwell GPU med femte generationens tensorkärnor och stöder FP4, som är optimerad för AI-arbetsbelastningar som finjustering och slutsats. Medan DGX -gnisten i sig inte är en GPU -modell, är dess GPU -komponent utformad för att hantera krävande AI -uppgifter, inklusive de som kan köras med TensorFlow.
TensorFlow kan användas på system som DGX Spark, som stöder AI -utveckling och distribution. Emellertid är den specifika kompatibiliteten för tensorflow med DGX Sparks GPU inte uttryckligen detaljerad när det gäller traditionella GPU -modeller. Istället är DGX-gnisten utformad för att arbeta sömlöst med NVIDIA: s fullstack AI-plattform, vilket gör att användare kan utveckla och distribuera AI-modeller lokalt eller i molnet med minimala justeringar.
För att köra tensorflow på NVIDIA GPU: er, i allmänhet, kan alla NVIDIA GPU som stöder CUDA användas. DGX Sparks GPU är en del av Grace Blackwell-arkitekturen, som är optimerad för AI-uppgifter och innehåller funktioner som NVLINK-C2C Interconnect-teknik för förbättrad minnesbandbredd. Denna installation är gynnsam att köra TensorFlow och andra AI -ramverk effektivt, även om den kan kräva att använda NVIDIAs anpassade DGX OS, som är baserat på Ubuntu Linux.
Sammanfattningsvis, medan DGX Spark inte använder en traditionell NVIDIA GPU-modell som GeForce- eller Quadro-serien, är dess integrerade Blackwell GPU kompatibel med AI-ramar som TensorFlow på grund av dess stöd för NVIDIA: s AI-fokuserade teknologier och mjukvarustack.
Citeringar:
[1] https://www.theverge.com/news/631957/nvidia-dgx-spark-station-grace-backwell-ai-supercomputers-gtc
[2] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-and-dgx-station-personal-ai-computers
]
[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-obook/gpu-accelerated-spark-3/
[6] https://www.constellationr.com
[7] https://www.reddit.com/r/cuda/comments/1fcal2c/so_can_i_train_ai_models_tensorflow_etc_using_my/
]
[9] https://www.tensorflow.org/guide/gpu