Cray stellt zwei neue Modelle, der Cray CS-Storm Cluster-Supercomputer vor. Cray CS-Storm 500GT und der Cray CS-Storm 500NX richten sich speziell auf anspruchsvolle Aufgaben im Bereich künstlicher Intelligenz. Diese GPU-beschleunigte Hardware unterstütze unter anderem Machine Learning und Deep Learning. Die neuen Cray CS-Storm-Systeme richten sich an Organisationen, die möglichst schnell zu neuen Erkenntnissen kommen wollen. Die Systeme sind vorintegriert und beinhalten unter anderem NVIDIA Tesla GPU-Beschleuniger.
Die Cray CS-Storm-Systeme bieten bis zu 187 TOPS (Tera Operations pro Sekunde) pro Knoten. So erreicht ein Rack für Machine Learning-Anwendungen bis zu 2.618 TOPS. 658 Double-Precision-TFLOPS pro Rack sind mit den neuen Systemen für die HPC-Applikationsleistung möglich. Die als voll integrierter Cluster-Supercomputer ausgelieferten Systeme umfassen die Cray-Programmierumgebung, den Cray Sonexion Scale-Out-Speicher und ein vollständiges Cluster-Systemmanagement, wie aus dem Datenblatt hervorgeht.
Die Lösung lautet: Dokumentenmanagement. Erfahren Sie im kostenlosen E-Book, wie ein Dokumentenmanagement-System (DMS) Ihnen helfen kann, Ihre Logistikprozesse zu verbessern – von der Artikelnummer bis zur Zustellung. Lesen Sie außerdem, wie Sie ein DMS auch im laufenden Betrieb zeit- und kostensparend implementieren können.
Der Cray CS-Storm 500GT auf Basis von zwei Intel Xeon “Skylake” Prozessoren erlaubt bis zu zehn NVIDIA Tesla P40 oder P100 PCIe Beschleuniger. Neben Infiniband, Intel OmniPath und ‘Balanced Configurations’ unterstützt das Modell 500GT auch Single-Root-Konfigurationen für CPU-to-GPU-Kommunikation. Hinzu kommt Support für Nallatech FPGA-Beschleuniger und bis zu ach NVMe-Schnittstellen.
Der CS-Storm 500NX unterstützt bis zu acht Tesla P100 SXM2 Beschleuniger. Hier aber kommt die NVIDIA NVLink Hochgeschwindigkeitsverbindung für die GPU-to-GPU-Kommunikation zum Einsatz. Das System umfasst zwei Intel Xeon E5-2600 v4-Prozessoren (Broadwell) und unterstützt InifiniBand oder Intel OmniPath sowie bis zu vier NVMe-Schnittstellen beziehungsweise 12 Laufwerke mit 2,5 Zoll.
“Die ersten Anwender von großen Big Data-Analysen und künstlicher Intelligenz haben bei den Bemühungen Anwendungen zu skalieren und mit dem Datenwachstum sowie neuen, anspruchsvolleren Modellen Schritt zu halten eine schmerzhafte Lektion gelernt”, kommentiert Shanin Khan, von OrionX Research. “Das richtige System muss von so gewählt werden, dass man auch in der Lage ist zu skalieren. Andernfalls häufen und multiplizieren sich Ineffizienzen.” Daher sei umfangreiche Expertise in Systemdesign nötig, so Khan. Vorintegrierte Systeme wie die aktuellen Modelle von Cray können hier Anwendern einige Aufgaben abnehmen.
Fraunhofer-Forschende arbeiten an einer Webplattform, die die Lebensqualität von Menschen mit Parkinson verbessern soll.
Mit gemeinsamen Angeboten in den Bereichen Vermarktung, KI, Content und Cloud will man "unabhängigen Journalismus…
Bereits seit einigen Jahren führt die RGF Staffing Germany Schulungen durch, um die eigenen Mitarbeiter…
Das Europäische Forschungsprojekt XMANAI hat den Blick in die KI geöffnet und macht ihre Entscheidungsprozesse…
Hacker nutzen LLM weniger als visionäre Alleskönner-Technologien, sondern als effiziente Werkzeuge zum Verbessern von Standardangriffen,…
Der "ARIS AI Companion" soll alle Mitarbeitenden darin befähigen, Prozesse zu analysieren und Ineffizienzen aufzudecken.
