@
Wadenbeisser: Also erstmal vernachlässigt das immer noch die ganz
eindeutige Ausrichtung der Hardware/Architektur auf professionelle Use-Cases bei der Titan V / V100.
Davon abgesehen ist das ebenfalls kein Argument, dass die Titan V nicht für professionelle Nutzer gedacht ist, denn professionelle Use-Cases sind ja nicht zu 100% nur Supercomputer/Cluster. Würde das zutreffen, dann würdet ihr genauso wieder z.B. der Quadro-Serie unterstellen, nicht für den professionellen Einsatz gedacht zu sein: die baut man auch in Workstations und nicht in Rechenzentren ein.
Es ist natürlich nicht der netteste Move von NVIDIA, die Titan V für Supercomputer/Cluster zu verbieten. Nichtsdestoweniger ist das nachvollziehbar, da die mit ~3000 Euro eine harte Konkurrenz für die eigenen Tesla-Karten wären.
Auf jeden Fall hat man aber ohnehin sehr selten Titan-Karten für Supercomputer verwendet: mir ist kein einziger wissenschaftlicher Cluster bekannt, der Titans verbaut hat.
Die Titans, gerade auch wegen dem Grafikanschluss und Preis, werden primär für Workstations und Dergleichen verwendet. Bei uns stehen z.B. ein paar rum, die per SSH erreichbar sind und die man dann nach Belieben für "kleinere" Experimente nutzen kann.
Wadenbeisser schrieb:
Für Einzelplatz PCs wird man die deep lerning Ausrichtung wohl kaum einsetzen.
Zum Einen hindert einen ja nichts daran, mehrere Titans in eine Workstations zu bauen und zum Anderen: doch, genau das ist der Fall.
Es ist tatsächlich sogar
viel üblicher, auf 1-4 GPUs Deep Learning Modelle zu entwickeln, als auf vielen Nodes eines großen Clusters.