PulseAugur
中
实时 17:22:55
实体 NVIDIA A100 GPUs

NVIDIA A100 GPUs

PulseAugur coverage of NVIDIA A100 GPUs — every cluster mentioning NVIDIA A100 GPUs across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 6
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 4
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 6 条
  1. TOOL · CL_350243 ·

    AI训练优化器将NVIDIA GPU上的AllReduce延迟降低了36%

    研究人员开发了一种新颖的多智能体系统,用于优化大规模分布式AI/ML训练的集体通信库(CCL)。该系统使用长短期记忆(LSTM)网络检测网络争用,并使用具有保守Q学习的双重深度Q网络(Dueling Double DQN)动态调整CCL配置。该优化器在NVIDIA的NCCL上实现,显著降低了延迟,在NVIDIA A100 GPU的Delta集群上运行的AI工作负载上实现了高达65%的加速。

  2. TOOL · CL_330243 ·

    配备9,600块Nvidia A100 GPU的AI超级计算机在eBay上标价5970万美元

    一台已退役的AI超级计算机,曾是超大规模云环境的一部分,现由明尼苏达州经销商Core 4 Solutions在eBay上出售,标价5970万美元或最高出价。该庞大系统包含多达9,600块Nvidia A100 GPU和4,200个AMD处理器,总内存约1.4 PB。该列表提供多种运输选项,包括免费本地提货和送货,并附带30天保修。

  3. TOOL · CL_215531 ·

    超级计算机因GPU速度而瓶颈化;新压缩方法提供640倍加速

    由于GPU速度极快,超出了数据移动和存储能力,超级计算机正面临着重大的瓶颈。一种名为FaCTz的新型压缩技术通过在NVIDIA A100 GPU上实现60GB/s的速度来解决这一问题,提供了显著的640倍性能提升。该方法保留了精确科学模拟所需的关键拓扑数据。

  4. TOOL · CL_193074 ·

    新型MCHA架构提升并行-顺序计算性能

    研究人员开发了一种名为MCHA的新硬件架构,旨在加速并行-顺序计算任务。该架构通过采用分层通信策略来减轻主内存的负担,从而解决了传统系统中的瓶颈问题。MCHA还包含一个新颖的编程模型,使用事件驱动触发器来隐藏数据传输延迟。基准测试表明,与NVIDIA A100 GPU相比,MCHA在多智能体强化学习工作负载方面实现了153倍至2400倍以上的显著加速,同时大幅减少了主内存访问。

  5. TOOL · CL_184947 ·

    新的MCHA架构在MARL工作负载上实现了高达2456倍的加速

    研究人员开发了一种名为MCHA的新硬件架构,旨在加速并行-顺序计算任务。该架构通过采用分层通信策略来减少主内存负载,从而解决了传统系统中的瓶颈问题。MCHA还包含一种新颖的编程模型,可以隐藏数据传输延迟。基准测试表明,与NVIDIA A100 GPU相比,MCHA在多智能体强化学习(MARL)工作负载上实现了153倍到2400多倍的显著加速,同时大幅减少了主内存访问。

  6. RESEARCH · CL_48767 ·

    HARNESS-LM 训练紧凑型模型以实现更快的赞助搜索检索

    研究人员开发了 HARNESS-LM (HLM),一种新颖的三阶段训练框架,旨在将大型语言模型的能力转移到紧凑、高效的模型中,用于赞助搜索检索。该方法包括训练一个高性能的“教师”模型,将其知识蒸馏到一个更小的“学生”编码器中,然后优化学生模型以获得最佳检索性能。HLM 成功恢复了教师模型超过 98% 的精度,同时显著降低了延迟并提高了吞吐量,通过在 Bing Ads 上的 A/B 测试证明了其实际效果。