•  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

Cette bombe traite 1,33 milliard d'images par jour

Le DGX-1 est une boîte comprenant huit Tesla P100, une puce extrêmement mince (16 nm) sur une surface étonnamment grande de 600 millimètres carrés.

Le DGX-1 est une boîte comprenant huit Tesla P100, une puce extrêmement mince (16 nm) sur une surface étonnamment grande de 600 millimètres carrés.

Martin Lessard

Hier, Nvidia (Nouvelle fenêtre), l'entreprise spécialisée dans les cartes graphiques de jeu, a annoncé à San Jose en Californie la sortie d'un superordinateur, le DGX-1, une véritable bombe de performance optimisée pour l'apprentissage en représentations profondes (deep learning).

La compagnie a aussi annoncé que les principaux centres de recherche en apprentissage profond, dont l'Université de Montréal, l'Université de Toronto et l'Université d'Oxford, recevront chacun gracieusement un DGX-1.

La recherche en intelligence artificielle (IA) demande une très grande puissance de calcul, et Nvidia vient de se positionner clairement sur ce marché.

L'apprentissage profond, la branche la plus prometteuse de l'IA, a pris son envol dans les années 2000 justement à partir du moment où les ordinateurs ont commencé à être assez puissants pour traiter les larges ensembles de données que demandent les modèles algorithmiques. Le DGX-1 vient répondre à ce besoin

Un DGX-1 pour les étudiants de l'Université de Montréal

Contacté ce matin, Yoshua Bengio, professeur et chef du Laboratoire d'informatique des systèmes adaptatifs MILA (Nouvelle fenêtre) de l'Université de Montréal, un des 10 centres à recevoir le DGX-1, s'est dit très content du don.

MILA, l'institut des algorithmes d'apprentissage de Montréal.Agrandir l’image (Nouvelle fenêtre)

MILA, l'institut des algorithmes d'apprentissage de Montréal.

« Les avancées technologiques en matière de puissance de calcul accélèrent la recherche en apprentissage profond. Les progrès de Nvidia sont importants et nous sommes reconnaissants de leur cadeau. »

Il ajoute que le DGX-1 permettra d'exploiter les nouveaux modèles algorithmiques venant de son laboratoire conçus pour limiter le besoin en mémoire lors des calculs.

« Comme la mémoire est un goulot d'étranglement, cela permettra d'accélérer les calculs et d'entraîner des modèles plus gros. »

Le principe de l'apprentissage profond n'est pas de programmer la machine, mais de "l'entraîner à apprendre". Divers modèles et approches sont développés dans le monde. Le plus récent, AlphaGo chez Google, a battu le champion du monde au jeu Go le mois dernier.

Yoshua Bengio est considéré comme l'un des pionniers du secteur, avec notamment Yann LeCun et Geoffrey Hinton. Son laboratoire MILA est le plus gros centre de recherche universitaire en apprentissage profond au monde.

« Mes étudiants ont très hâte de recevoir ce nouvel outil de travail! "

Une bête d'apprentissage profond

La puissance du DGX-1 est impressionnante. C'est en fait une boîte comprenant huit Tesla P100, une puce extrêmement mince (16 nm) sur une surface étonnamment grande de 600 millimètres carrés.

Pour vous donner une comparaison : si la distance Terre-Soleil était de 1 mm (la plaque de la Tesla P100 en fait 660), 16 nm correspondrait à la distance Montréal-Paris.

Regroupés dans la même boîte, ces huit Tesla P100 qui forment le DGX-1 roulent à 170 TFLOPS (en virgule flottante de 16 bits). À titre de comparaison, c'est 100 fois la puissance d'une PS4. Le DGX-1 peut traiter 1,33 milliard d'images par jour, affirment les concepteurs.

Tout ce beau matériel pompe 3,2 kW (l'équivalent de plus de 200 MacBook Pro), ce qui est somme toute raisonnable, compte tenu de sa puissance.

Son prix n'est pas à la portée de toutes les bourses, mais pour 129 000 $ (US), une entreprise sérieuse peut se procurer de quoi jouer dans les ligues majeures en apprentissage profond.

Vos commentaires

Veuillez noter que Radio-Canada ne cautionne pas les opinions exprimées. Vos commentaires seront modérés, et publiés s’ils respectent la nétiquette. Bonne discussion !

Internet

Techno