当前位置:首页 > 报告详情

SNIA-SDC23-Inupakutika-Lofton-Benchmarking-Storage-with-AI-Workloads_1.pdf

上传人: 2*** 编号:148898 2023-12-08 44页 2.41MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了三星半导体公司关于存储系统与AI工作负载基准测试的研究。主要内容包括: 1. 研究动机:随着生产数据集的增长,需要评估存储系统对AI/ML工作负载的影响,以及如何展示三星数据中心产品对实际工作负载的影响。 2. 研究方法:使用不同的AI工作负载场景进行基准测试,包括限制内存、同时进行数据摄取和训练、并行训练等。 3. 测试结果: - 限制内存情况下,存储吞吐量显著提高,但训练时间基本不变。 - 同时进行数据摄取和训练时,GPU利用率不受影响,CPU-IOWait增加。 - 并行训练时,存储吞吐量随训练工作负载的增加而增加,CPU和GPU利用率也相应提高。 - 推理工作负载中,写操作占主导地位,随机写操作的I/O大小分布较为分散。 4. 结论:这些方法可以有效地对高性能存储系统进行基准测试,并表明高性能存储可以允许AI管道的I/O密集型和计算密集型部分与训练和推理时间并行运行,而不会产生显著影响。
存储如何影响AI工作负载? 如何在实际场景中测试高性能存储? 并行训练对存储性能有何影响?
客服
商务合作
小程序
服务号
折叠