揭秘NVIDIA加速AI推理的密码，1台T4服务器完胜200台CPU服务器

遐错螂渤箔

看点：TensorRT与Turing架构协同配合，能提供高达CPU服务器45倍的吞吐量。

; [. p. C4 q6 y  U; T- m( {, W

' [6 @4 H: H0 B+ L3 V. z$ o每天，数以万计的语音助手、翻译、推荐、视频管理、自动驾驶等各类新兴服务，都在以超快速度完成深度学习推理。
$ o- Q/ v5 i  _. d& ]8 `% u2 v
+ J4 p8 J6 J* ~! A7 o: j用户会看重AI产品的实时性、高准确度，而对于开发者来说，要考虑到的因素更多，不仅要满足最终用户的需求，还要考虑成本、能效等因素，因而，能满足可编程性、低延迟、高准确度、高吞吐量、易部署的成套AI推理软硬件组合成为开发者的心头好。
) m  P8 k3 m* G- A) m$ \* z2 x6 M而配备NVIDIA TensorRT超大规模推理平台的GPU可以说是学术界和产业界最受欢迎的AI推理组合之一，它们可以带来速度、准确度和快速响应能力的成倍提升。
+ T: b+ Q' k# U  i2 Z1 {& ?去年NVIDIA最新发布的Tesla T4 GPU，因其专为推理而生的超高效率、超低功耗，能为开发者节省大笔预算，已成为业界首选AI推理神器。
本期的智能内参，我们对《NVIDIA AI推理平台》白皮书进行解读，看NVIDIA超大规模推理平台如何协同顶尖AI推理加速器Tesla T4 GPU，为深度学习推理带来吞吐量、速度等性能的倍增，并降低数据中心运营商的开发成本。如果想查阅此白皮书《NVIDIA AI 推理平台》，可直接点击左下方的“阅读原文”下载。
* v5 A) \# j/ W- A! z

NVIDIA GPU推理的应用价值


4 f0 `% P+ x" g. c" c% HNVIDIA AI推理平台就像一个隐形的推理助手，正通过互联网巨头的超大规模数据中心，为人们带来各种新鲜且高效的AI体验。

相比传统的CPU服务器，GPU产品推理组合不仅能提升推理性能，还能更节省成本。
1 a  f2 v9 s+ T, _/ x; e: h比如京东的视频审核就使用NVIDIA AI平台，将服务器数量减少了83%。
每天由第三方商家上传到京东POP平台的视频数据不计其数，京东必须确保上传的信息安全无害。
* ~+ _; {( Q" [- n以前，要审核1000路的视频流，京东必须在云端部署1000枚CPU，而使用NVIDIA AI推理平台后，吞吐量提升20倍，速度比CPU快40倍，1台配备4个Tesla P40的服务器能代替超过约50台CPU服务器。

T4作为NVIDIA专为加速AI推理打造的GPU，在推理性能和能效比上一代产品P4 更胜一筹。
如图，左边是200台占用四个机架的CPU服务器，支持语音、NLP和视频应用，功耗达60千瓦。而相同的吞吐量和功能，一台搭载16块T4 GPU的服务器就足矣，不仅如此，这台服务器还将功耗降为原来的1/30。
5 f* \. K. Y. y: T' M$ K 

基于Turing架构的Tesla T4 GPU
- h- T9 D6 X; R: L
3 i4 g, y& l; j8 }( `, z4 n# Y
NVIDIA Tesla T4 GPU是全球顶尖的通用加速器，适用于所有AI推理工作负载，不仅有小巧的外形规格和仅70瓦的超低功耗，而且效率比前一代Tesla P4超出两倍以上。
* _: f& `- _/ b2 \7 V
- a' q4 a! G' ?1 j: h" @7 v它采用的Turing架构，除了继承Volta架构为CUDA平台引入的增强功能外，还新增独立线程调度、统一内存寻址等许多适合推理的特性。
: {2 B: _  E3 Z) mTuring GPU能提供比历代GPU更出色的推理性能、通用性和高效率，这主要归功于如下几个创新特性：
) R2 `; Y% {( e# `0 m6 N1、新型流式多元处理器（SM）
+ y7 z& h) A% R) l: C. x+ b- X
新型SM具有Turing Tensor核心，基于Volta GV100架构上经过重大改进的SM而构建。
) q/ g2 p6 F5 ]8 `6 l! d" S它能像Volta Tensor核心一样，可提供FP16和FP32混合精度矩阵数学，还新增了INT8和INT4精度模式。
% O; \% B( q5 x通过实现线程间细粒度同步与合作等功能，Turing SM使得GPU的性能和能效均远高于上一代Pascal GPU，同时简化了编程。
4 t0 X* G, m: s4 |  Y2、包含实验特性，首用GDDR6
' r3 L4 ?) a& w8 y
) J% f& s3 I4 h6 p3 A7 cTuring是首款采用GDDR6显存的GPU架构，最高可提供320GB/s的显存带宽，其存储器接口电路也经过全面重新设计。
# N, A4 ^! B& k相比此前Pascal GPU使用的GDDR5X。Turing的GDDR6将速度提升40%，能效提升20%。
- z0 p  J! ^. Z4 c0 D  b; Q3、专用硬件转码引擎
0 A* F+ i  U+ I2 e
, ?9 U5 u8 f3 }+ B7 m视频解码正呈现爆炸式增长，在内容推荐、广告植入分析、无人车感知等领域都获得大规模应用。
T4凭借专业的硬件转码引擎，将解码能力提升至上代GPU的两倍，可以解码多达38路全高清视频流，而且能在不损失视频画质的前提下实现快速编码或最低比特率编码。
( x, B$ R/ @( w) M3 N

超大规模推理平台TensorRT

: U4 D: Y4 ]& a# z/ a- l
仅有强大硬件还不够，要搭配高适配度的软件工具，才能最大化硬件算力的利用率，为开发者带来更完整和优化的开发体验。
NVIDIA加速推理的优势也正是在软硬件的结合上凸显出来，既有专为深度学习定制的处理器，又具备软件可编程特质，还能加速TensorFlow、PyTorch、MXNet等各种主流深度学习框架，为全球开发者生态系统提供支持。
6 x+ ?; \, y6 e7 Z面向深度学习推理，NVIDIA提供了一套完整的推理套餐——TensorRT超大规模推理平台。
( p# |7 }2 @, D: b% y, LTensorRT包含T4推理加速器、TensorRT5高性能深度学习推理优化器和运行时、TensorRT推理服务三部分，支持深度学习推理应用程序的快速部署。
+ X( I! Q; E! b) P其中，TensorRT5将能够优化并精确校准低精度网络模型的准确度，最终将模型部署到超大规模数据中心、嵌入式或汽车产品平台。
2 t5 C* Q7 a7 q2 ]$ fTensorRT推理服务是NVIDIA GPU Cloud免费提供的即用型容器，能提高GPU利用率，降低成本，还能简化向GPU加速推理框架的转换过程，更加节省时间。
; f- n1 p' e5 q; \. V配备TensorRT的GPU，推理性能最高可达CPU的50倍。
3 N/ @0 b% E  p3 [+ U这得益于TensorRT对网络结构的重构与优化。在精度方面，TensorRT提供INT8和FP16优化，通过降精度推理，在显著减少应用程序的同时保持高准确度，满足许多实时服务的需求。
' R9 D: E- f, l& k/ O$ a) p) e
另外，TensorRT还通过融合内核的节点，优化GPU显存和带宽的使用，并以更大限度减少显存占用，以高效方式重复利用张量内存。
6 W9 D$ A* l) B6 X& g7 F8 I& j2 P0 _TensorRT和TensorFlow现已紧密集成，Matlab也已通过GPU编码器实现与TensorRT的集成，能协助工程师和科学家在使用MATLAB时为Jetson、NVIDIA DRIVE和Tesla平台自动生成高性能推理引擎。
TensorRT和Turing架构两相结合，能提供高达CPU服务器45倍的吞吐量。
智东西认为，深度学习推理需要强大的计算平台，来满足云端与终端日益增长的AI处理需求。而一款强大的计算平台不仅需要强大的芯片，还需要完整的生态系统。
) B; u. z! V: G) p通过软硬件协同作用，NVIDIA TensorRT能在带来高吞吐量和高能效的同时，实现推理神经网络的快速优化、验证和部署，既能降低开发门槛，又能节省服务器成本，使得工程师和科学家更好地专注于深度学习研究，推动各行业智能化升级。
如需查阅此白皮书《NVIDIA AI 推理平台》，可直接点击左下方的“阅读原文”下载。
  @, R( G  j3 p- V
3 u& C. D  j0 x; m9 X* I1 y* R1 |

本账号系网易新闻·网易号“各有态度”签约帐号

1 `0 }0 F$ U5 ~: m6 e" G

+ y% Z1 n/ |' m) k; F8 P
: n7 t' a! T, `( }; F& S2 i来源：http://mp.weixin.qq.com/s?src=11&timestamp=1563112804&ver=1728&signature=HZaQD1-Iw7*AR*o3fdBcyw5VDHbMCpxSKJGqaQMMpZHF73he5pDyE70f0-5qVZIeVnwkYYOroperpRzyE8aoDyBG*2cTDr6rR7tTsX1iioPy-j-XZG0nay6b0wl3wEkt&new=1
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！