XiaoMi-AI文件搜索系统
World File Search SystemDGX
供应商关于人工智能存储的弥天大谎
NVIDIA 最初对 GPUDirect Storage 的作用非常明确，但随着时间的推移，这种明确性似乎已经消失 NVIDIA DGX SuperPOD 系统在林雪平
“BIG IRON” AI 系统 MIKE HOUSTON，AI 系统副总裁兼首席架构师 | 2022 年 2 月 28 日
BERT 使用 Pytorch 进行预训练吞吐量，包括（2/3）第 1 阶段和（1/3）第 2 阶段 | 第 1 阶段 Seq Len = 128，第 2 阶段 Seq Len = 512 V100：使用 FP32 精度的 8xV100 的 DGX-1 服务器 A100：使用 TF32 精度的 8xA100 的 DGX A100 服务器 |
推出 AIRI™，一个完整的 AI 数据中心
© 2020 Pure Storage, Inc. 保留所有权利。Pure Storage、FlashBlade、AIRI 和“P”徽标是 Pure Storage 在美国和其他国家/地区的商标或注册商标。NVIDIA 和 DGX 是 NVIDIA, Inc. 的商标。所有其他商标均为其各自所有者的财产。PS1178-01 07/2020
以光速加速 AI 工作负载
• 每个 VAST 数据文件服务器都是双宿主的，通过一个 (1) 100Gb HDR InfiniBand 端口（使用来自 200Gb 交换机端口的双向分离器）连接，以服务来自 DGX A100 系统的存储请求，并通过两个 (2) 100GbE 端口连接到后端存储（以太网）结构。
DOCA SDK v2.9.0_cx8 gpudirect rdma NVIDIA DGX SUPERPOD：AI领导力的下一代可扩展基础架构 nvidia connectx-8超级用户手册 nvidia bluefield BSP v4.10.0 NVIDIA DGX OS 7用户指南 MLX驱动程序 Doca-主机安装和升级
NVIDIA DOCA™框架可以在Bluefield网络平台上快速创建和管理应用程序和服务，利用行业标准API。使用DOCA，开发人员可以通过利用Nvidia的Bluefield数据处理单元（DPU）和SuperNIC的功能来提供突破性的网络，安全性和存储性能。在主机上安装DOCA提供了管理Nvidia®Bluefield®和NVIDIA®Conleindx®设备的所有必要驱动程序和工具。
AI 帕里奇 API
AI Parichay 是一种 API，旨在通过使用人工智能 (AI) 从各种类型的身份证（如 Aadhaar 卡、PAN 卡、选民身份证等）中提取“个人身份信息”(PII) 详细信息来验证用户身份。该 API 将从上传的身份证中提取身份证详细信息，例如身份证号、身份证持有人的姓名、出生日期、年龄、有效期和身份证持有人的照片等。AI Parichay API 部署在 DGX 服务器上，可以使用 ( http://10.197.112.27:11000/IdClassify_ditect/ ) 进行访问
NVIDIA推出了Cosmos世界基础模型平台，以加速物理AI开发
waabi是从自动驾驶汽车开始的物理世界的开创性生成AI，在数据策展的背景下评估了AV软件开发和仿真的宇宙。wayve正在开发用于自动驾驶的AI基础模型，它正在评估宇宙作为搜索边缘和角色驾驶场景的工具，用于安全和验证。AV工具链提供商前景将与Nvidia Omniverse传感器RTX API一起使用Cosmos来评估和生成高保真测试方案和培训数据。全球乘车巨头Uber与NVIDIA合作，以加速自主行动。来自Uber的丰富驾驶数据集，再加上Cosmos平台和NVIDIA DGX Cloud™的功能，可以帮助AV Partners更加有效地构建更强大的AI模型。
猎鹰工程师绝不平庸
深度学习领域的高性能计算 | Mohsin M. Jamali 博士，电气工程，500,000 美元 这项研究探索了加快深度学习计算速度的途径。深度学习有两个计算阶段；第一阶段是学习或训练数据，第二阶段是算法计算。由于深度学习本质上是并行的，因此计算也可以并行执行。深度学习领域的高性能计算研究可分为三大类。第一类是并行计算算法，第二类是缩短内存访问时间，而第三类是策略性地缩短字长。我们的高性能计算实验室已从 NVIDIA 获得了 DGX 工作站，用于在 GPU 上进行计算，我们目前正在获取基于 FPGA 的开发系统。这项工作由德克萨斯大学系统 STARs 计划资助。
采用 NVIDIA DGXA100 系统的 Weka AI 参考架构
各种规模、用例和技术技能的组织都在寻找基础设施解决方案，以加速其人工智能 (AI)、机器学习 (ML) 和深度学习 (DL) 计划。WekaIO™ (Weka) 和 NVIDIA® 合作构建并验证了每个人都可以使用的高性能可扩展 AI 解决方案。本文档包含 Weka AI™ 参考架构 (RA) 解决方案的验证信息。该设计使用多达四个 NVIDIA DGX™ A100 系统、NVIDIA® Mellanox® Spectrum™ 以太网和 NVIDIA Mellanox Quantum™ InfiniBand 交换机实现。NVIDIA 和 Weka 使用行业标准基准测试工具验证了该系统的运行和性能。根据验证测试结果，该架构为训练工作负载提供了出色的线性扩展。组织可以从小规模开始，轻松独立地将计算和存储资源扩展到具有可预测性能的多机架配置，以满足任何 ML 工作负载要求。