GPU计算能力的池化一直都是难点也是需要必备的能力,另外实际任务训练时,特别在联邦学习场景下,如果可以实现GPU对于云原生场景下的多方建模性能的提升,那还是很有前景的。不知道该产品GPU池化能力如何以及实现方案?
通过使用NVAIE软件套件中的GPU Operator 来实现GPU池化能力。NVAIE也已在Redhat Openshift, VMware Tanzu,以及K8S 平台做了认证。客户可以通过购买NVAIE软件获得专业服务指导如何配置GPU池化方案。
使用GPU可以有效地加速联邦学习计算。具体原因有四种:
(A)联邦学习中的数据加解密及密态计算,不同数据的计算其实并不存在很大的关联性,这些计算是高度并行的,由GPU负载加速高度并行的任务。
(B)联邦学习很多计算公式其实本身并不复杂,但重复执行次数巨大。GPU适合加速此重复的轻量级计算。
(C)联邦学习是计算密集型的任务,数据IO较少,GPU适合加速此种计算密集型任务。
(D)联邦学习里训练模型的数据通常是以批量形式的产生为主,符合大数据的特征,GPU是满足海量数据的批量计算的需求。