详细介绍选择GPU在服务器的基本标准之前，让我们先介绍一下常用标准GPU和GPU服务器。

  普遍的GPU，可分为总线接口类型NV-Link传统的总线接口和传统的总线接口PCI-e总线三种。

  NV-Link接口种类的GPU典型的象征是NVIDIA V100，选用SXM2接口，在DGX-2上面有SXM3的接口。

  NV-Link总线规范的GPU服务器可分为两类，一类是NVIDIA公司设计的DGX另一种是由合作伙伴设计的高性能计算机NV-Link接口服务器。DGX超级计算机不仅提供硬件配置，还提供专业的软件和服务。

  传统的总线接口GPU，目前该产品是应用等主要产品PCI-e接口的V100、 P40(P开头是指上一代PASCAL构架)和P4.及其全新的图灵架构T4.比较薄，只占一个槽位P4和T4，通常用以Inference，实体模型也有完美的逻辑推理和识别。

  传统式PCI-e总线的GPU服务器也分为两类，一类是OEM国际知名品牌服务器，如暑光、浪潮、华为等；另一个是非；OEM服务器种类繁多。

  在选择服务器时，除了分类外，还应考虑性能参数，如精度、存储类型、存储容量和功能损失。同时，一些服务器必须对水冷、降噪或环境温度和移动性有特殊要求。

  选择GPU在选择合适的服务器时，首先要考虑业务流程要求GPU型号规格HPC根据精度选择大数据处理。例如，一些高性能计算必须是双精度的。此时，如果应用程序P40或P不合适，只能使用V100或是P同时，还必须存储容量。例如，原油或石化勘察的估算和使用对储存有很高的规定；总线规范有一些规定，因此选择GPU实体模型首先是业务流程要求。

  GPU服务器人工智能技术有很多应用！

  是的，在课堂教学场景中GPU虚拟化技术的需求相对较高。根据课堂教学总数，教师很可能必须GPU30甚至60个虚拟服务器GPU，因而大批量Training对GPU高规定，一般应用V100做GPU练习。逻辑推理必须在实体模型练习后进行，因此逻辑推理一般采用P4或是T4.也会应用极少数情况V100。

  当GPU选择型号规格后，考虑应用程序GPU此时必须考虑以下情况：

  首先，边缘服务器必须根据总数进行选择T4或是P4.对于相应的服务器，还应考虑服务器的应用，如车站接口、机场接口或机关接口；在核心端做InferenceV服务器必须考虑货运量、应用场景、总数等。

  第二，必须考虑客户自己的消费群体和IT操作能力，对BAT对于这样的大企业，他们的经营能力比较强，这次会选择一般的。PCI-e还有一些服务器IT对于实际操作和维护能力差的客户，他们更注重数据和数据标记。它被称为数据科学家GPU服务器的规格也会有所不同。

  三是考虑手机软件和配套设施服务的使用价值。

  第四，要考虑整体GPU像DGX这类GPU由底端计算机操作系统驱动的综合性高性能计算机非常完善Docker其他部分已固定不动地提高，效率高。

  中科云达DGX-1

  轻松取得工作成果

  今天的深度神经网络自然环境在软件开发上花费了数十万美元，开源项目稳定需要几个月的时间。 的帮助下NVIDIA DGX-1.能立即提高工作效率，简化工作内容，与团队合作。NVIDIA 可随时随地刷新软件优化解决方案，节省您的时间和金钱。

  颠覆性的 AI 特性

  尽管许多解决方案都给出了解决方案 GPU 但只有加速特性 NVIDIA DGX-全新充分发挥1 NVIDIA? Tesla? V包括下一代在内的所有发展潜力 NVIDIA NVLink? 和 Tensor 关键结构 对比。GPU 系统软件，DGX-1 凭着 NVIDIA GPU Cloud 深度神经网络手机软件局部变量和时尚技术架构将练习速度提高三倍。

  项目投资维护

  运用 NVIDIA 所有加强技术专业知识学习的力量都支持你的新项目，所以你不需要花时间和金钱来得出预期的结论。NVIDIA 适用于您无需花时间研究硬件配置和开源项目。节省调整和增加时间，增加探索和发现时间。

  通向深度神经网络的快速途径

  不仅仅是服务器和 GPU。条件AI 必须仔细选择和集成复杂的硬件软件。NVIDIA DGX-1? 加快你的解决方案，这样你就可以在几个小时内得到建议，而不是几周或几个月。