ZD至顶网网络频道 10月26日 综合消息: 在2016年HPC Advisory Council (国际高性能计算咨询委员会)中国研讨会上, HPC Advisory Council正式揭晓第四届大学生RDMA编程挑战赛 (The 4th Student RDMA Programming Competition) 的比赛结果,并为获奖队伍颁奖。来自国防科技大学和华中科技大学的两支队伍凭借出色的表现摘取一等奖,国防科大更是连续两年蝉联第一。中国科技大学和西安电子科技大学1队夺得了二等奖,三等奖则花落西安电子科技大学 2队、西北工业大学、中国海洋大学和南京大学。
获奖队伍合影
自2013年首次举办,大赛就吸引了来自全国各地的20余家高校报名参加。在2015年举办第三届大赛时,更是吸引了50余所高校报名参加,并受到了来自国际顶尖高性能计算、云计算和大数据领域专家的广泛关注和媒体的争相报道。
本届大赛的竞赛题目紧贴世界超算产业的发展趋势,重点围绕深度学习的理论框架、实践模型与未来发展趋势等主题展开,强调赛题与实际应用相结合。如今,“深度学习”已呈现出强大的发展势头,如何利用高性能计算推动深度学习是近年来业界聚焦的热点。
HPC Advisory Council亚太区主席刘通表示: “RDMA是解决大数据时代数据传输瓶颈的最高效网络传输协议。当今高性能计算、大数据、云计算、深度学习等领域都亟需更高效率的RDMA协议助力数据传输与分析。通过学习RDMA技术,高校学生将有机会更深入地接触深度学习和HPC领域最前沿的各项技术,做到学以致用,这无疑有助于推动学术界与产业界的更紧密结合。”
本届大赛吸引了全国及亚太区近60支高校队伍参赛,走入校园的巡讲环节也全面升级,实现国内主要省市高校的全覆盖。HPC Advisory Council邀请了资深的RDMA工程师和来自深度学习领域顶尖企业的研发人员为渴望学习RDMA和深度学习相关知识的学生提供免费的培训。巡讲覆盖了国内各主要院校所在校区,包括:上海站、西安站、四川站、武汉站、南京站、合肥站等。受巡讲的启发,有不少新的学校和队伍积极学习并参与到比赛中。
“深度学习、大数据、数据分析,这一切都依赖于RDMA技术。这项技术能够提升性能和效率,使我们能够去搜索令人惊叹的海量数据。”HPC Advisory Council主席Gilad Shainer先生表示, “我非常高兴有如此多的队伍参加今年的比赛,这说明大家对RDMA的认知正在越来越深刻。今年我们引入了更多国际高校共同参赛,为大赛注入新的活力。相信同学们的努力会推进RDMA在深度学习领域的应用和下一代应用技术的开发,而这些技能无疑也将适用于他们未来的职业生涯。”
第四届大学生RDMA编程比赛获得了国内外的多家知名机构的支持,包括:圣地亚哥超算中心、阿贡国家实验室、中国高性能计算专业委员会、China Grid 等等。评审委员由来自国外的资深专家以及国内深度学习领头羊企业的专业人士组成,包括京东集团首席技术顾问Dennis Weng、NVIDIA公司高级研究员Dr. Sreeram Potluri、科大讯飞张致江博士、SenseTime(商汤科技)主任科学家,算法平台负责人颜深根博士等,并由HPC Advisory Council主席Gilad Shainer出任评审委员会主席。
作为一种先进的网络数据传输方式,RDMA(远程直接内存访问)技术除了在HPC领域,在深度学习、云计算、大数据和高频交易等领域有广泛的应用,和传统的网络相比能显著提升原有应用的效率。它允许网络中的计算机直接从内存里交换数据,而不用涉及任何一台计算机的处理器、高速缓存或者操作系统。
随着高性能计算、云计算与深度学习的兴起,业界急需RDMA相关技术人才的培养和选拔。在本届颁奖典礼之前的研讨会,就有来自京东集团、科大讯飞、SenseTime的架构师就大数据时代的RDMA和深度学习展开了探讨,并表达了对这方面人才的渴求。
我们期待2017年下一届比赛会有更多院校参赛,并取得理想的成绩。
关于本届大赛:
大赛主办方:HPC Advisory Council (国际高性能计算咨询委员会)
支持机构:中国高性能计算专业委员会、San Diego Supercomputer Center、Argonne National Lab、 ChinaGrid
支持企业(根据字母排序):京东、科大讯飞、联想、Mellanox、NVIDIA(英伟达)、SenseTime(商汤科技)、曙光
好文章,需要你的鼓励
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。