文章插图
工欲善其事 ， 必先利其器 。 AI研究与开发离不开算力支持 ， 尤其是在进行模型训练的时候 ， 一台强力的GPU工作站必不可少 。 其中处理器、内存/硬盘、显卡、以及散热表现都是选择GPU工作站时需要考虑的因素 。
然而由于实际应用环境的差异 ， 开发者对GPU工作站的性能需求都有所不同 。 目前市面上也有一些面向机器学习开发的GPU工作站 ， 但对于个人开发者 ， 或者在中小企业、传统企业的开发人员而言 ， 如何选择一台可满足性能需求的GPU工作站 ， 并不容易 。
作为一名“野生”AI开发者 ， 有幸在最近一周深度体验了一台HP Z8 G4工作站 ， 从开发环境的安装、测试 ， 以及深度学习算法模型 ， 如CIFAR-10和ResNet50分类模型 ， 以及YOLOv3的检测模型的训练 ， 都进行完整的开发训练 。 下面是我对这一周的开发工作和使用体验的总结整理 ， 供大家参考 ， 希望能有所帮助 。
一、关键参数和散热表现在为大家介绍关键参数和散热表现之前 ， 我拍了几张产品实图 ， 为大家直观的介绍一下HP Z8 G4工作站的外观设计和内部结构 。
文章插图
先说一下外观部分 ， 机身外体采用的是铝制结构 ， 并且以黑色磨砂呈现（比较符合开发者的颜色审美） ， 给人一种很精致的感觉 。 然后是机体部分 ， 整体采用模块化的设计（符合程序设计的模块化理念） ， 内部布局让人感到整洁无暇 。 最后是主机后端的电源部分 ， 可以进行免工具进行拆卸 ， 极大的方便了后续的性能扩展 。
1、关键参数
文章插图

• – CPU

图片中的①部分是两颗英特尔? Xeon(R) Gold 6240处理器 ， 可提供72核心144线程 ， 2.6GHz的主频 ， 以及35.75MB的三级缓存 。 在Linux下可以通过命令cat /proc/cpuinfo查看处理器信息 。 如下图所示 。
文章插图

• – GPU

图片中的②部分是两块NVIDIA Quadro RTX 8000处理器 。 NVIDIA Quadro RTX 8000采用了光线追踪技术 ， 配备海量的48 GB超快速GDDR6显存和 NVIDIA NVLink? ， 可为深度学习带来超凡的性能和可扩展性 。 在Linux下可以通过命令lspci | grep -i vga看GPU信息 。 如下图所示 。
48G的显存是什么概念呢？RTX 4000的显存是8G、RTX 3090的显存是24G ， 目前还没有其他的48G显存的GPU 。 而在深度学习模型训练过程中 ， 48G的显存可以增大batch（批处理数 ， 表示每次输入的图片数量）的大小 ， 一定程度上可以提高模型的泛化能力以及稳定性 。
文章插图

• – 内存/硬盘

在侧面图右下角的位置 ， 如图中的③所示 ， 是4个3.5/2.5英寸存储托架 ， 其中预装了2个企业级SATA 的4TB 7200RPM ， 留有2个可做扩展 。 同时具有384G内存+1T 大小的M.2 2280 PCIe NVMe TLC SSD ， 提供了高效的存储读写能力 。 并且在主机右上靠中间的光驱位还可以再加一块3.5寸大容量硬盘 。 在Linux下可以通过命令grep MemTotal /proc/meminfo看内存信息 。 如下图所示 。
文章插图

• – 散热表现

文章插图

• 高颜值vlog语音神器，塞宾智能蓝牙麦克风评测
• 办公游戏两不误 台电G27一体机电脑评测
• 猛犸A5新国标电瓶车评测：除了无钥匙一键启动还有更香的
• 高性能需求用户首选，LMPDA双USB-C快充线评测
• Q3 PC全球出货量创新高 同比增长15%的竟不是联想/惠普
• 「AI语音评测」技术简述与应用层级
• 围观！Apple Watch 6评测：仍然是王者，您喜欢吗？
• 德系坦克味：CHERRY MC3.1游戏鼠标评测
• 优派VX3418-2K-PRO-2宽屏电竞小金刚评测
• 银河之光 希捷Exos x18企业级硬盘评测