性能强悍联泰集群发布全新水晶系列工作站

2019年12月26日，联泰集群在北京发布了水晶系列工作站，这一次“水晶工作站产品发布会”暨“联泰集群高性能计算解决方案研讨会”是有Intel中国独家赞助，产品在提供强悍算力的同时，又可以保证静音，可谓是刚柔并济。

在发布会现场，请到了英特尔中国数据中心的售前经理——拓庆国，他为大家带来了英特尔全新的CPU架构和傲腾™技术加持的傲腾™增强型SSD的讲解，此外，清华大学张宇飞教授分享了使用联泰集群产品在科研方面的案例。

在会场上，拓庆国与张宇飞共同为水晶系列工作站进行了揭幕，工作站产品在会场进行了点亮，真正的检验了工作站的静音效果，当得知水晶工作站处于点亮状态时，在场的嘉宾纷纷侧目旁边展台，完全没有察觉到噪音的存在。

此后，联泰集群的硬件产品技术中心总监——刘振锋、软件产品技术中心总监——孙建军以及硬件产品技术中心工程师——肖学文，分别从产品应用方向、水晶工作站一体化软件平台及水晶系列产品硬件方面，对本系列的产品进行了详细的介绍。

入门级深度学习工作站W5232

在讨论深度学习问题之前，我们需要了解为什么深度学习要使用专业的工作站？

1、深度学习需要大量的并行计算资源，而且动辄计算几天甚至数周，而显卡(GPU)恰好适合这种工作，提供几十上百倍的加速，性能强劲的GPU能在几个小时内完成原本CPU需要数月完成的任务，所以目前深度学习乃至于机器学习领域已经全面转向GPU架构，使用GPU完成训练任务

2、如今即使使用GPU的深度学习任务也要持续数天乃至数月(取决于数据规模和深度学习网络模型)，需要使用单独的设备保障保证训练任务能够7x24小时长期稳定运行。

3、独立的深度学习工作站(服务器)可以方便实现实验室计算资源共享，多用户可以在个人电脑编写程序，远程访问到深度学习服务器上排队使用计算资源，减少购买设备的开支并且避免了在本地计算机配置复杂的软件环境。

对于深度学习工作站的配置要求

深度学习的任务对于计算机的性能要求非常高，各个硬件主要完成以下操作：

上面的图示，深度神经网络计算大致流程，下面通过深度神经网络计算机环节，分析核心硬件配置的理想要求。

CPU

因为深度学习主要使用显卡进行Cuda计算，所以对于CPU的要求并不是很高，不过，CPU的频率越高、线程数越多越好，一般情况，CPU最低要求核心数要大于显卡个数，其中一个制约条件是，CPU的最大Pci-E通道数，每一张显卡占用16条Pci-E通道才能达到性能最大值，而CPU最大则支持48条Pci-E，也就是说最多可占用3条Pci-E×16接口，但是受限于主板的大小，只有采用专业级别的工作站主板才能发挥出显卡性能。联泰E5232工作站就是一个很好的选择，它采用了专业的双路工作站，不仅仅提升了CPU的性能，而且也可以通过搭载两张显卡来增加训练能力。

GPU

深度学习需要显卡的性能很强劲，尤其是在进行复杂的单精度运算，通常情况神经网络需要大量显存和内存资源，因此需要8GB以上的显存才能运行大规模的深度卷积网络，如执行计算机视觉任务，一般会选择GTX1070以上级别的显卡。下面给出2080ti、2080、2070、1080ti、1070、1060、Titan X、Titan V的几项指标的对比：

TFLOPS(teraFLOPS FLoating-point Operations Per Second每秒浮点运算次数)单精度。

也就是运算性能，决定了运算速度，首选1080ti、2080ti、Titan V,不过性能最强的titan V的价格是2080ti的三倍。