Ordinateurs

Des étudiants construisent un superordinateur de bricolage à partir de Nvidia Jetson Nanos

Ce site peut gagner des commissions d’affiliation à partir des liens sur cette page. Conditions d’utilisation.

Depuis presque aussi longtemps que nous avons des superordinateurs, nous avons aussi des gens qui se demandent : « Comment puis-je me construire l’un des ceux, sauf avec un dixième du budget et en n’utilisant qu’une fraction de la puissance ? » Plusieurs équipes de scientifiques ont construit des « clusters Beowulf », des superordinateurs qui sont en fait des clusters de matériel de qualité, partageant leur propre réseau local. Et vous vous souvenez de tous ces superordinateurs PlayStation ? Maintenant, une équipe d’étudiants de la Southern Methodist University de Dallas a construit un superordinateur en connectant 16 modules Nvidia Jetson Nano ensemble, ainsi que quatre alimentations, un commutateur réseau, des ventilateurs de refroidissement et environ cinq douzaines de fils faits à la main. (Fait : tous les meilleurs prototypes ont toujours des fils soudés à la main qui dépassent à l’arrière.)

Selon Conner Ozenne, un spécialiste en informatique et l’un des responsables du projet, « Nous avons choisi d’utiliser les modules Nvidia Jetson car aucun autre petit appareil de calcul n’a de GPU intégré, ce qui nous permettrait de résoudre davantage de problèmes d’IA et d’apprentissage automatique ».

Supercalculateur « bébé »

Sur le plan architectural, le Jetson Nano est le plus similaire à la Nintendo Switch, qui fonctionne sur le SoC Tegra X1 de Nvidia, nous l’utiliserons donc comme point de comparaison.

Des étudiants de la Southern Methodist University de Dallas ont construit leur « bébé supercalculateur » à partir de seize de ces modules Jetson Nano.  Les étudiants présenteront leur mini-cluster lors de la conférence sur le supercalcul SC22 à Dallas.

Des étudiants de la Southern Methodist University de Dallas ont construit leur « bébé supercalculateur » à partir de seize de ces modules Jetson Nano. Les étudiants présenteront leur mini-cluster lors de la conférence sur le supercalcul SC22 à Dallas.

La Switch et la Nano ont la même bande passante mémoire maximale théorique (25,6 Go/s). Ils ont également le même SoC Cortex-A57 quadricœur, mais le processeur du Nano est considérablement plus élevé (1,43 GHz contre 1,02 GHz pour le commutateur lorsqu’il est connecté). En ce qui concerne la puissance GPU relative des deux plates-formes, cependant, la situation est inversée. Le SoC Tegra X1 basé sur Maxwell à l’intérieur du commutateur offre 256 cœurs de shader contre seulement 128 sur le Jetson Nano.

Bien que cela implique que le Nano serait la moitié de la vitesse du Switch dans la même charge de travail, l’écart pourrait ne pas être aussi important. Le commutateur plafonnerait à 768 MHz en mode ancré tandis que le Jetson Nano a une horloge maximale allant jusqu’à 921 MHz. Au total, le supercalculateur « bébé » combine 64 cœurs Cortex-A57, 64 Go de RAM et 2 048 cœurs Maxwell sur 16 cartes.

Nano porte bien son nom

Attaquons-nous d’abord à l’éléphant dans la pièce. Les spécifications objectives du supercalculateur SMU à 16 cartes ne sont guère inspirantes, étant donné que les systèmes de bureau à socket unique offrent désormais jusqu’à 64 cœurs. Jetson Nano est vraiment à la hauteur de la partie «nano» de son nom ici. Non seulement les statistiques sont assez piétonnes en elles-mêmes, mais l’ensemble du cluster tient littéralement sur un bureau.

Mais blague à part, comparer les spécifications d’un système comme celui-ci au matériel PC conventionnel passe à côté de l’essentiel. Les défis associés à la mise à l’échelle efficace des charges de travail sur un vaste réseau d’appareils lents, avec une quantité relativement faible de mémoire par appareil, sont conceptuellement similaires, qu’il s’agisse de véritables supercalculateurs ou de systèmes d’appareils embarqués à plus petite échelle comme celui-ci.

Système sur module Jetson Orin de NVIDIA

Système sur module Jetson Orin de NVIDIA

« Nous avons lancé ce projet pour démontrer les rouages ​​de ce qui se passe dans un cluster informatique », a déclaré Eric Godat, responsable de l’équipe de recherche et de science des données au sein de l’organisation informatique de SMU. « Le mini-cluster est un outil pédagogique efficace sur le fonctionnement réel de tout cela – il permet aux étudiants d’expérimenter le dénudage des câbles, la gestion d’un système de fichiers parallèle, la réimagerie des cartes et le déploiement du logiciel de cluster. »

Prix ​​vs performance

Toute charge de travail AI donnée fonctionnerait probablement mieux sur la GTX 980 (2 048 cœurs sur une puce) par opposition à 16 GPU Jetson Nano sur 16 cartes, mais ce dernier est une simulation bien meilleure, bien que toujours simpliste, de certains des défis de mise à l’échelle complets les ingénieurs en superinformatique à grande échelle sont confrontés au travail.

Nvidia article de blog fait référence à l’idée de mettre à niveau le système actuel à 16 cartes avec le matériel Jetson Orin Nano. L’amélioration des performances d’un tel saut serait considérable. Comme nous l’avons détaillé précédemment, Orin Nano propose six cœurs de processeur Cortex A-78AE à 1,5 GHz et des cœurs de GPU de 512 ampères avec 16 cœurs de tenseur. Jetson Nano est une crevette comparative avec ses processeurs 4x Cortex-A57 et ses 128 cœurs Maxwell. Orin Nano est cependant plus cher que Jetson Nano, à 199 $ contre 129 $.

Système sur module Jetson Orin Nano de NVIDIA. Il s’agit de la puce suggérée par NVIDIA pour une mise à niveau vers le « superordinateur bébé » SMU.

L’amélioration des performances d’Orin Nano devrait être beaucoup plus importante que l’augmentation du prix, mais nous espérons que Nvidia apportera un Orin encore moins cher sur le marché dans cet espace. Un Orin Nano à 129 $ avec des cœurs de 256 ampères et, disons, huit cœurs de tenseur serait toujours une énorme mise à niveau.

Dans le même temps, Nvidia a peu de raisons de baisser les prix. À l’heure actuelle, le Jetson Nano ne rivalise vraiment qu’avec lui-même. Bien qu’il existe d’autres cartes basées sur ARM compatibles avec les accélérateurs, le GPU du Jetson Nano est le seul produit de sa catégorie de prix et de son type.

Les étudiants présenteront leur mini-cluster lors de la conférence sur le supercalcul SC22 à Dallas. Cette année, SC22 du 13 au 18 novembre.

Maintenant lis:

Bouton retour en haut de la page