rsnt_translations
56,430
edits
Allocations and compute scheduling/fr: Difference between revisions
Jump to navigation
Jump to search
Allocations and compute scheduling/fr (view source)
Revision as of 20:39, 19 September 2024
, 1 month agono edit summary
No edit summary |
No edit summary |
||
| Line 30: | Line 30: | ||
La performance des GPU a considérablement augmenté ces dernières années et continue sa progression. Par le passé et jusqu'au concours de 2023, nous considérions tous les GPU comme étant équivalents les uns aux autres. Ceci posait des problèmes à la fois dans le processus d'attribution et lors de l'exécution des tâches. Pour contrer ceci, nous avons créé pour l'année 2024 l'unité GPU de référence (UGR) qui permet de classer tous les modèles de GPU en production. Pour la période d'allocation de 2025-2026, nous devrons tenir compte de la technologie des [[Multi-Instance GPU/fr|GPU multi-instances]] qui rend la situation un peu plus complexe. | La performance des GPU a considérablement augmenté ces dernières années et continue sa progression. Par le passé et jusqu'au concours de 2023, nous considérions tous les GPU comme étant équivalents les uns aux autres. Ceci posait des problèmes à la fois dans le processus d'attribution et lors de l'exécution des tâches. Pour contrer ceci, nous avons créé pour l'année 2024 l'unité GPU de référence (UGR) qui permet de classer tous les modèles de GPU en production. Pour la période d'allocation de 2025-2026, nous devrons tenir compte de la technologie des [[Multi-Instance GPU/fr|GPU multi-instances]] qui rend la situation un peu plus complexe. | ||
Parce qu'environ la moitié des tâches utilisent principalement des opérations à virgule flottante simple précision ([https://en.wikipedia.org/wiki/Single-precision_floating-point_format FP32]), que les autres utilisent des opérations à virgule flottante demi-précision ([https://en.wikipedia.org/wiki/Half-precision_floating-point_format FP16, matrices denses]), et que la plupart des utilisateurs sont limités par la quantité de mémoire des GPU, nous classons les modèles de GPU selon les critères d'évaluation avec leur poids correspondant : | |||
{| class="wikitable" style="margin: auto;" | {| class="wikitable" style="margin: auto;" | ||