近年來,已有越來越多的企業開始選擇為其客戶提供基于定制芯片的服務,比如亞馬遜 AWS 就在 2019 年推出了旨在加速推理學習的 Inferentia 芯片。去年,這家科技巨頭推出了專為機器學習模型和設計的第二款 Trainium 芯片。而在之前工作的基礎上,我們現又迎來了新的 Trn1 機器學習芯片。
在今早于拉斯維加斯舉辦的 AWS re:Invent 主題演講期間,Adam Selipsky 在臺上介紹了該公司的最新芯片進展。
今天,我們很高興地向大家宣布由 Trainium 提供支撐的新 Trn1 實例。除了在 EC2 上快速運行,我們還希望它能夠為在云端訓練深度學習模型提供最佳性價比。
此外 Trn1 是首個帶寬高達 800 GB/s 的 EC2 實例,很適合大規模、多節點的分布式訓練用例,比如圖像識別、自然語言處理(NLP)、欺詐檢測、以及預測等。
更重要的是,客戶能夠選擇將這些芯片聯網到一起、并放入“超級群”(Ultra Clusters)中,以獲得更強大的性能體驗。
“超級群”包含了數萬個與 PB 級網絡互連的訓練加速器,背后有著強大的超算為機器學習用例提供支撐,可快速訓練具有數萬億個參數的最復雜的深度學習模型。
最后,Adam Selipsky 表示該公司計劃與 SAP 等伙伴達成合作,以更好地發揮 Trn1 新芯片的處理能力。
(原標題:亞馬遜宣布基于Trn1機器學習芯片的新EC2實例)
版權與免責聲明:
凡本站注明“來源:智能制造網”的所有作品,均為浙江興旺寶明通網絡有限公司-智能制造網合法擁有版權或有權使用的作品,未經本站授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的,應在授權范圍內使用,并注明“來源:智能制造網”。違反上述聲明者,本站將追究其相關法律責任。
本站轉載并注明自其它來源(非智能制造網)的作品,目的在于傳遞更多信息,并不代表本站贊同其觀點或和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。如其他媒體、平臺或個人從本站轉載時,必須保留本站注明的作品第一來源,并自負版權等法律責任。如擅自篡改為“稿件來源:智能制造網”,本站將依法追究責任。
鑒于本站稿件來源廣泛、數量較多,如涉及作品內容、版權等問題,請與本站聯系并提供相關證明材料:聯系電話:0571-89719789;郵箱:1271141964@qq.com。