Mondrian AI Workstation

Basic

$19,000

Ubuntu 18.04

NVIDIA 2080 x 4way

64 GB DDR4 RAM

2 TB SATA SSD

2 TB HDD

1 Gbps ethernet

지금 구매하기 >

Premium

$ 21,000

Ubuntu 18.04

NVIDIA Titan Xp x 4way

128 GB DDR4 RAM

2 TB SATA SSD

4 TB HDD

1 Gbps ethernet

지금 구매하기 >

Max

$ 23,000

Ubuntu 18.04

NVIDIA Titan V x 4way

128 GB DDR4 RAM

4 TB SATA SSD

4 TB HDD x 2Multi

10 Gbps ethernet

지금 구매하기 >

CPU

교육 과정에서 CPU는 데이터를 사전 처리하여 GPU에 공급합니다. 느린 프로세서는 GPU가이 데이터를 기다리는 사이클을 낭비하게 만듭니다.
코어 수 및 PCIe 레인 수는 중요한 CPU 성능 요소입니다. 더 많은 코어는 더 빠른 데이터 사전 처리를 의미합니다.

Intel Extreme Processor i9 - 7900X 1개

GPU

GPU는 Deep Learning을 위한 가장 중요한 하드웨어입니다. Mondrian AI는 현존 그래픽 카드 중에서 가장 강력한 성능의 NVIDIA 제품을 탑재하였습니다.

NVIDIA 2080 x4way

NVIDIA Titan Xp x4way

NVIDIA Titan V x4way

주 스토리지

대부분의 데이터 세트는 RAM에 맞지 않습니다. 이러한 경우 모델 교육 중 하위 집합을 비 휘발성 저장소에서 반복적으로 RAM 내부 및 외부로 변환해야합니다. 이러한 파이프 라인에는 신속한 솔리드 스테이트 스토리지가 필요합니다. 그것 없이는 GPU는 다음 데이터 묶음을 기다리는 사이클을 낭비하게됩니다. Mondrian AI Workstation은 이러한 제약을 염두에두고 고안되었습니다.

2 TB SATA SDD

2 TB SATA SDD

4 TB SATA SDD

보조 스토리지

2 TB HDD

4 TB HDD

4 TB HDD x 2 Multi

RAM

딥 러닝 워크스테이션은 적어도 GPU 메모리만큼의 RAM을 가져야합니다. 예를 들어 2x NVIDIA 1080 Ti GPU가있는 시스템은 최소 22GB의 메모리 (1080Tis는 각각 11GB의 메모리를 가짐)가 있어야합니다.

64 GB DDR4 RAM

128 GB DDR4 RAM

128 GB DDR4 RAM

네트워크

네트워크 인터페이스 속도는 다중 노드 분산을 수행하는 경우 (최소 40Gbps가 필요함) 또는 네트워크 연결 저장소에서 데이터를 가져 오는 경우가 아니면 딥 러닝 성능과 관련이 없습니다. 1Gbps 이더넷을 사용하면이 데스크탑의 네트워크 인터페이스는 대부분의 ISP가 제공하는 것보다 훨씬 빠릅니다. 교육 데이터가 동일한 LAN의 원격 서버에 저장되어있는 경우 네트워크 속도가 10Gbps 인 Max로 업그레이드하는 것이 좋습니다.

1 Gbps ethernet

1 Gbps ethernet

10 Gbps ethernet

마더보드

마더 보드의 PCIe 레인은 Deep Learning 교육 성능에 중요한 영향을 미칩니다. PCIe 레인은 GPU와 CPU를 연결하는 데이터 파이프입니다.
각 GPU를 CPU에 연결하는 PCIe 레인의 수는 마더 보드에 따라 4 배에서 16 배까지 다양합니다.

ASUS X299 SAGE Workstation ( LGA2066 / E-ATX / 4Way Support )

파워 서플라이

CORSAIR AX 1600i 80 PLUS TITANIUM

운영체제

Ubuntu 18.04 LTS

라이브러리

  • Ubuntu 18.04 LTS
  • Python 3.5.2
  • Tensorflow 1.6.0
  • Keras 2.1.5
  • PyTorch 0.3.1
  • OpenCV 3.4.1
  • Jupyter Notebook
  • Numpy, Scipy, Scikit Learn, Scikit Image, Pandas, Matplotlib, Pillow
  • Caffe
  • Java JDK
  • PyCoco Tools ( MS COCO dev kit )
  • CUDA
  • Docker