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。



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。

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。
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。
9 D8 h6 s% x6 w2 ~! K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。

NVIDIA GPU推理的应用价值

) [- I1 f5 u, g% C: q, ^1 N
NVIDIA 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。

! O$ P* u/ m9 O  P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。
/ _7 m$ N6 i' l( a6 B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。
) C- r- H' R' s  x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。
* O- j$ A2 E3 L/ h% ~: j
7 A" b( M- ^0 [: }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。
 
8 K1 L) t' K. _

基于Turing架构的Tesla T4 GPU
' ]- i  Q  _" @
3 `! m" R' y2 R. h/ |5 J
& u* Y; |" O0 ]) PNVIDIA 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。

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。
Turing 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：
' I. @5 g! S3 W1 Q# i1、新型流式多元处理器（SM）

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。
. J9 S( I7 t' g; y7 y  _  d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。
$ Z4 e  r7 O8 C. Y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。
6 }. c( e. Y( P2、包含实验特性，首用GDDR6

9 B! e8 ^% `1 C; B8 p2 L3 xTuring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。
相比此前Pascal GPU使用的GDDR5X。Turing的GDDR6将速度提升40%，能效提升20%。
5 j, r! O4 B9 F( C3、专用硬件转码引擎
6 @: ^# {8 Y" B% O0 K  x
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。
  j/ J' O' H, R, a" ?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。

8 X% k, @9 B3 _0 {- S超大规模推理平台TensorRT
0 Y9 N% V) z- y% z

$ N" V5 E) \* S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。
+ `- U' j3 ~" L0 d9 zNVIDIA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。
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。
TensorRT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。
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。
& W0 M( |/ N1 K. yTensorRT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。
& [* G/ ~2 x. K& X配备TensorRT的GPU，推理性能最高可达CPU的50倍。
9 `, P4 M) W+ R5 Z& t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。

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。
' N+ M# a  A' Y: p# w1 ^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。
5 p. `% L% }4 J& ], X" m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。
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。
# q7 X7 J! H) H) |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。

本账号系网易新闻·网易号“各有态度”签约帐号

) E0 a* f' w( H% y; J; g

7 Z7 b( R& b9 B* w- z, w+ K3 x5 ^

& [+ q. A9 d9 i
# H/ O, v+ f8 _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！