Vetenskapliga arbetslaster och HPC
Vetenskapliga beräkningar har andra behov än AI. Många program är beroende av aritmetik med hög precision, och vissa skalar över noder med tät kommunikation.
Det viktigaste
Numerisk precision
Vissa simuleringar kräver format med hög precision. Kontrollera att en GPU:s styrkor matchar den precision som din kod använder.
Mjukvarukompatibilitet
Bekräfta att dina bibliotek och verktygskedjor stöder den tillverkare och generation du planerar att hyra.
Krav på sammankoppling
Tätt kopplade program kräver snabba nätverk mellan noderna. Trivialt parallelliserbara gör det inte.
Datalokalisering
Forskningsdata kan omfattas av regler om var den får behandlas.
En typisk uppsättning
Beror på koden. Kör först en benchmark på ett litet fall och skala sedan till de noder och det nätverk som faktiskt behövs.
Så köps det oftast
Korta allokeringar on-demand för utforskning, därefter bunden kapacitet när arbetslasten är förstådd.
Vanliga misstag
- Att anta att AI-optimerade GPU:er utmärker sig vid alla precisioner.
- Att hoppa över en liten benchmark innan man binder sig till en stor allokering.
- Att förbise krav på datalokalisering.
Begrepp att känna till
Det här är allmän vägledning, inte en rekommendation av en viss leverantör eller ett visst pris. Kontrollera aktuella erbjudanden och bekräfta tillgänglighet och villkor med leverantören.
Redo att titta på verkliga alternativ?
Se spårade erbjudanden med källor och datum, eller be Kova dimensionera åt dig.