Questo sito può guadagnare commissioni di affiliazione dai link in questa pagina. Termini di utilizzo. 
Per quasi tutto il tempo in cui abbiamo avuto i supercomputer, abbiamo anche avuto persone che si chiedevano:”Come faccio a costruirmene uno, se non con un decimo del budget e usando solo una frazione della potenza?”Diversi team degli scienziati hanno costruito”cluster Beowulf”, supercomputer che sono in realtà cluster di hardware di prima qualità, che condividono la propria LAN. E ricordi tutti quei supercomputer PlayStation? Ora, un team di studenti della Southern Methodist University di Dallas ha costruito un supercomputer collegando insieme 16 moduli Nvidia Jetson Nano, insieme a quattro alimentatori, uno switch di rete, alcune ventole di raffreddamento e circa cinque dozzine di cavi fatti a mano. (Fatto: tutti i migliori prototipi hanno sempre fili saldati a mano che pendono dal retro.)
Secondo Conner Ozenne, uno dei massimi esperti in informatica e uno dei capi del progetto,”Abbiamo scelto di utilizzare Moduli Nvidia Jetson perché nessun altro piccolo dispositivo di elaborazione ha GPU integrate, il che ci permetterebbe di affrontare più problemi di intelligenza artificiale e apprendimento automatico.”
Supercomputer”Baby”
Architettura, Jetson Nano è più simile a Nintendo Switch, che funziona con il SoC Tegra X1 di Nvidia, quindi lo useremo come punto di confronto.
Gli studenti della Southern Methodist University di Dallas hanno costruito il loro”baby supercomputer”fai-da-te da sedici di questi Jetson Nano moduli. Gli studenti esporranno il loro mini cluster alla conferenza sul supercalcolo SC22 a Dallas.
Lo Switch e il Nano hanno la stessa larghezza di banda di memoria massima teorica (25,6 GB/s). Hanno anche lo stesso SoC Cortex-A57 quad-core, ma la CPU del Nano ha un clock notevolmente superiore (1,43 GHz contro 1,02 GHz per lo Switch quando è agganciato). Per quanto riguarda la potenza relativa della GPU delle due piattaforme, invece, la situazione è ribaltata. Il SoC Tegra X1 basato su Maxwell all’interno dello Switch offre 256 shader core rispetto ai soli 128 del Jetson Nano.
Sebbene ciò implichi che il Nano sarebbe la metà della velocità dello Switch nello stesso carico di lavoro, il divario potrebbe non essere così grande. Secondo quanto riferito, lo Switch raggiunge i 768 MHz in modalità docked mentre Jetson Nano ha un clock massimo fino a 921 MHz. Complessivamente, il supercomputer”baby”combina 64 core Cortex-A57, 64 GB di RAM e 2.048 core Maxwell su 16 schede.
Il nano è all’altezza del suo nome
Affrontiamo l’elefante prima nella stanza. Le specifiche obiettive del supercomputer a 16 schede SMU sono poco stimolanti, considerando che i sistemi desktop a socket singolo ora offrono fino a 64 core. Jetson Nano è davvero all’altezza della parte”nano”del suo nome qui. Non solo le statistiche sono piuttosto pedanti da sole, l’intero cluster si adatta letteralmente a una scrivania.
Ma a parte gli scherzi, confrontare le specifiche di un sistema come questo con l’hardware del PC convenzionale non coglie il punto. le sfide associate al ridimensionamento efficace dei carichi di lavoro su una vasta rete di dispositivi lenti, con una quantità relativamente piccola di memoria per dispositivo, sono concettualmente simili sia che si parli di veri supercomputer o di sistemi di dispositivi embedded su scala ridotta come questo.
Sistema su modulo Jetson Orin di NVIDIA
“Abbiamo avviato questo progetto per dimostrare i dadi e i bulloni di ciò che va in un cluster di computer”, ha affermato Eric Godat, il team leader per la ricerca e la scienza dei dati nell’organizzazione IT di SMU.”Il mini-cluster è uno strumento didattico efficace su come funzionano davvero tutte queste cose: consente agli studenti di sperimentare come spelare i cavi, gestire un file system parallelo, reimmaginare le schede e distribuire software cluster.”
Prezzo vs prestazioni
Qualsiasi carico di lavoro AI funzionerebbe probabilmente meglio sulla GTX 980 (2.048 core su un chip) rispetto a 16 GPU Jetson Nano su 16 schede, ma quest’ultima è molto migliore, se ancora simulazione semplicistica di alcune delle sfide di scalabilità che gli ingegneri di supercalcolo su vasta scala devono affrontare sul lavoro.
post del blog fa riferimento all’idea di aggiornare l’attuale sistema a 16 schede con l’hardware Jetson Orin Nano. L’aumento delle prestazioni da qualsiasi salto di questo tipo sarebbe considerevole. Dato che noi In precedenza, Orin Nano offre sei core CPU Cortex A-78AE a 1,5 GHz e core GPU da 512 Ampere con core tensore 16. Jetson Nano è uno shrim comparativo p con le sue 4 CPU Cortex-A57 e 128 core Maxwell. Orin Nano è più costoso di Jetson Nano, tuttavia, a $ 199 contro $ 129.
Sistema su modulo Jetson Orin Nano di NVIDIA. Questo è il chip suggerito da NVIDIA per un aggiornamento al”baby supercomputer”della SMU.
Il miglioramento delle prestazioni di Orin Nano dovrebbe essere molto più grande dell’aumento del prezzo, ma speriamo che Nvidia porti un Orin a costi ancora più bassi sul mercato in questo spazio. Un Orin Nano da $ 129 con 256 Ampere core e, diciamo, otto tensor core sarebbe comunque un enorme aggiornamento.
Allo stesso tempo, Nvidia ha poche ragioni per tagliare i prezzi. In questo momento , la Jetson Nano compete davvero solo con se stessa. Mentre ci sono altre schede basate su ARM compatibili con gli acceleratori, la GPU della Jetson Nano è l’unico prodotto nella sua fascia di prezzo e del suo tipo.
La gli studenti esporranno il loro mini cluster alla conferenza sul supercomputing SC22 a Dallas. Quest’anno, SC22 si terrà il 13 novembre-18.
Ora leggi:
