Evaluación comparativa de las instancias Tesla® de Tensorflow

Resumen de los resultados del modelo de prueba para la clasificación de imágenes con servidores Tesla® LeaderGPU

LeaderGPU® es un nuevo actor en el mercado del GPU computing que pretende cambiar las reglas del juego. En este momento, el mercado de GPU computing está formado por varios grandes actores como Amazon AWS, Google Cloud, etc. Sin embargo, un gran actor no siempre significa la mejor oferta del mercado. El proyecto LeaderGPU®, en comparación con Amazon AWS y Google Cloud, ofrece servidores físicos, no VPS, en los que los recursos de hardware pueden compartirse entre varias decenas de usuarios.

Las pruebas se realizaron en los sistemas informáticos LeaderGPU® Tesla® sobre datos sintéticos de los siguientes modelos de red: ResNet-50, ResNet-152, VGG16 y AlexNet. Al final de este artículo encontrará los resultados de las pruebas realizadas con otros modelos. Las pruebas de datos sintéticos se realizaron utilizando tf.Variable en analogía con los modelos configurados para ImageNet.

Se utilizaron los siguientes comandos para ejecutar la prueba:

git clone https://github.com/tensorflow/benchmarks.git

python3.5 benchmarks/scripts/tf_cnn_benchmarks/tf_cnn_benchmarks.py --num_gpus=2 --model alexnet (vgg11, vgg16, etc.) --batch_size 32 (64, 128, 256, 512)

Instancias Tesla® de LeaderGPU

Entorno de prueba: 2 x Tesla® P100 PCI (ltbv32), 2 x Tesla® V100 PCI (ltbv20), 2 x Tesla® V100 NVLink™ (ltbv46)

Tipo de instancia: 2 x Tesla® P100 PCI (ltbv32), 2 x Tesla® V100 PCI (ltbv20), 2 x Tesla® V100 NVLink (ltbv46)

GPU: Tarjetas Nvidia® Tesla® SO: CentOS 7 CUDA® / cuDNN: 9.0 / 7.0.5 TensorFlow™ 1.7 del repo Benchmark GitHub hash: 9165a70 Fecha de la prueba: 25.04.2018

Otros resultados

Prueba de datos sintéticos (imágenes / s)

2x PCI Tesla® P100