浪潮AIStation助力企业AI计算资源使用大幅提升

对于AI企业来说，GPU等计算资源昂贵，如何提高资源利用率，保护计算力投资？如何解决资源抢占，保证资源使用公平合理？如何减少等待时间，提高模型训练效率……这些问题都关系着研发创新的进度。且看浪潮AIStation人工智能开发平台用三招“组合拳”打破计算力壁垒，加速企业AI开发进程。

某企业AI开发面临的问题

某企业有四台8卡GPU服务器供50位开发人员使用，典型的人多资源少。具体来说，有以下几大问题：

人均不足一张GPU卡，GPU使用需要相互协调，开发效率低；

每十多人为一个小组共用一个GPU节点，可能使有的小组资源空闲而有的小组却无资源可用，造成资源孤岛；

缺乏优先机制，重要任务无法得到及时提交；

在白天GPU卡几乎全部用于开发环境创建，开发人员只能在晚上提交训练任务，模型训练数量非常有限。

AIStation三招解决企业算力问题

AIStation是面向AI企业开发场景的人工智能资源平台，可通过资源配额、GPU共享、排队托管三招“组合拳”，智能化分配GPU计算资源，提高资源利用率，帮助用户提高开发效率。

首先，AIStation收拢分散的计算资源，提供集群式的池化管理，并设置资源配额策略，实现多用户公平均衡使用资源。

AIStation将开发用户划分为5个用户组，每个用户组10人，并根据业务需求设置每组和每个用户的使用配额，如可设置每组使用6张GPU卡、40个CPU核。并对每个用户的开发环境使用时长、同时提交任务数量进行限制。

其次，AIStation通过GPU共享策略，可以让多人共用一张GPU卡且互不影响。

AIStation统一管理4台GPU节点，将其中2个节点的16张GPU卡设置为开发资源组，用于开发环境创建，剩下16张GPU卡为训练资源组，用于模型训练。通过共享策略，AIStation可将开发资源组的每张GPU卡切分为8份，每份使用4G显存。这样原来的16张GPU卡相当于变为了128张卡。并且通过设置CPU超线程策略扩展CPU核数，满足50个用户同时创建开发环境的需求。用户也可以根据自己的模型设置batchsize和显存使用的大小。

GPU共享模式

最后，AIStation通过任务排队托管、定义任务优先级，充分利用空闲时间训练任务，并且可根据优先级调度任务排队运行。

用户可同时提交多个训练任务，资源不足时排队等待，一个任务训练结束后自动释放资源给排队等待的任务，从而可以充分利用夜间、周末训练任务，延长GPU的使用时间。同时用户可设置优先级，让重要任务优先训练。

开发用户任务托管

AIStation取得显著效果

GPU使用时间加大近1倍。原来单个GPU节点分配给一个用户小组使用，每卡每天的平均使用时间仅为14.4小时。AIStation通过GPU共享、任务托管，解决资源孤岛，将每卡每天的平均使用时间提升到22.8小时。

一天周期内集群GPU使用情况

GPU利用率提升50%。原来用户在开发阶段独占一张GPU，GPU利用率仅为10%，训练阶段可达90%，每天每卡的平均利用率为30%。使用AIStation后，开发阶段8人共用一张GPU卡，GPU利用率可上升为80%，训练阶段为90%，每天每卡的利用率可达到80%。

GPU使用情况对比

每周训练任务的数量增大一倍多。假设提交一个ImageNet数据集和一个ResNet50模型，使用1张Tesla V100 GPU卡训练任务，每个任务的训练时间大概为12小时。

原来因为人均不够一张卡，白天GPU卡用于创建开发环境，晚上才能训练任务，那么一个工作日可以完成的任务数最多为32个，即一周可以完成160个任务。

而AIStation支持任务排队，可以最大限度的使用GPU资源。一周可以完成368个任务数，效率提升2.3倍。假设开发团队单个项目平均需要训练的任务数为50，那么每个月的项目完成数从3个提升到7个。

可以看出，浪潮AIStation通过对计算资源的高效管理、调度，在GPU使用时间、利用率和训练任务数量上，相比原方案均实现了大幅提升，最大化地优化了资源使用。

浪潮AIStation人工智能资源平台面向AI企业开发场景，致力于帮助企业构建一体化的AI开发平台，为AI开发工程师提供高效的计算力支撑、精准的资源管理和调度、敏捷的数据整合及加速、流程化的AI开发业务整合，助力AI企业提高开发效率和产品上市速度，增强企业竞争力。

除了高效的资源管理，AIStation在开发环境创建、数据管理、开发流程管理等方面也表现出色。在后续文章中，我们将结合实际应用场景为大家详细介绍，敬请关注。