AI Training
KI-Training
Was ist das?
Moderne künstliche Intelligenz (KI) kann eine Vielzahl von Aufgaben erledigen – von der Erstellung von Texten und Bildern bis zur Steuerung eines selbstfahrenden Autos. Möglich wird dies durch die Entwicklung mittels sogenanntem maschinellem Lernen oder Deep Learning. Die beiden zentralen Komponenten des Lernprozesses sind „Training“ und „Inferenz“.
Beim Training wird eine enorme Datenmenge in das KI-Modell eingespeist. Die Daten sind in der Regel gekennzeichnet, und menschliche Programmierer überwachen den Prozess. Fortschrittlichere KI-Systeme können jedoch auch mit unbeschrifteten Daten selbstüberwachtes oder teilüberwachtes Training durchführen. Die KI analysiert die Eingaben und versucht, die erwartete Ausgabe zu liefern. Beispielsweise versucht sie, Hundefotos aus einer großen Menge von Tierbildern herauszufiltern. Anhand der Richtigkeit ihrer Ausgabe – also daran, ob die Vermutung korrekt war oder nicht – passt die KI ihren Entscheidungsprozess an, indem sie den Datenparametern Gewichtungen, auch „Bias“ genannt, zuweist.
Durch wiederholte Iterationen aus Vorhersagen (Vorwärtspropagation) und Feedback (Rückwärtspropagation) werden die Gewichtungen so präzise, dass stets die richtigen Verbindungen ausgewählt werden. Auf diese Weise wird die KI darauf trainiert, die Daten zu erkennen, für deren Verarbeitung sie konzipiert wurde.
Warum wird es benötigt?
Neben der Inferenz ist das Training ein wesentlicher und untrennbarer Bestandteil davon, wie moderne KI „lernt“. Anstatt von menschlichen Programmierern zu erwarten, für jeden möglichen Fall Code zu schreiben, trainiert sich die KI selbst, indem sie eine enorme Menge an Daten analysiert, bis sie bereit ist, in realen Szenarien mit neuen, nicht gekennzeichneten Daten zu arbeiten.
Als Beispiel betrachten wir Computer Vision bei der Kennzeichenerkennung. Die Mautstationen auf der Autobahn müssen die Buchstaben und Ziffern auf den Kennzeichen vorbeifahrender Fahrzeuge lesen können. Die verschiedenen Kennzeichen können unterschiedliche Schriftarten verwenden; das Kennzeichen selbst kann schief, geneigt oder verschmiert sein, und die Fahrzeuge können mit unterschiedlichen Geschwindigkeiten unterwegs sein. Dass die KI die Informationen trotzdem jedes Mal korrekt auslesen kann, liegt allein daran, dass sie mit einer so großen Datenmenge trainiert wurde, dass sie die Eingaben präzise interpretieren kann.
Wie unterstützt GIGABYTE Sie?
Die Menge an digitalen Daten und Rechenressourcen, die für das Training von KI-Modellen erforderlich ist, ist nicht nur beeindruckend, sondern nimmt auch exponentiell zu. Der Einsatz einer KI-Infrastruktur mit GPU-Beschleunigung und paralleler Datenverarbeitung ist daher unverzichtbar – insbesondere, weil konkurrierende Entwickler ebenfalls darum wetteifern, ihre KI-Produkte auf den Markt zu bringen.
Die G-Series GPU-Server von GIGABYTE Technology gehören zu den leistungsstärksten KI-Servern der Branche. Insbesondere kombinieren der G593-SD0 und der G593-ZD2 jeweils das NVIDIA HGX™ H100 8-GPU-Computing-Modul mit CPUs der 4. Generation der Intel® Xeon® Scalable bzw. AMD EPYC™ 9004-Serie. Sie erreichen eine KI-Rechenleistung von über 32 PetaFLOPS und eignen sich damit ideal für Anwendungen in der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) und für Large Language Models (LLMs). Dank der proprietären Kühltechnologie und des Gehäusedesigns von GIGABYTE, die eine höhere Rechendichte ermöglichen, ist diese Supercomputing-Leistung in einem 5U-Server untergebracht.
Neben modernster Serverhardware empfiehlt GIGABYTE auch das Myelintek MLSteam DNN Training System, das Bestandteil der DNN Training Appliance von GIGABYTE ist. Dabei handelt es sich um eine schlüsselfertige Plattform für das Training tiefer neuronaler Netze (DNN) mit einer vorinstallierten, verifizierten und optimierten Umgebung, die einige der beliebtesten Deep-Learning-Frameworks und -Bibliotheken umfasst. Als Backend dieser Lösung dient ebenfalls ein G-Series GPU-Server.
Mehr erfahren: 《KI mit den leistungsstarken KI-Serverlösungen von GIGABYTE voranbringen》
Die G-Series GPU-Server von GIGABYTE Technology gehören zu den leistungsstärksten KI-Servern der Branche. Insbesondere kombinieren der G593-SD0 und der G593-ZD2 jeweils das NVIDIA HGX™ H100 8-GPU-Computing-Modul mit CPUs der 4. Generation der Intel® Xeon® Scalable bzw. AMD EPYC™ 9004-Serie. Sie erreichen eine KI-Rechenleistung von über 32 PetaFLOPS und eignen sich damit ideal für Anwendungen in der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) und für Large Language Models (LLMs). Dank der proprietären Kühltechnologie und des Gehäusedesigns von GIGABYTE, die eine höhere Rechendichte ermöglichen, ist diese Supercomputing-Leistung in einem 5U-Server untergebracht.
Neben modernster Serverhardware empfiehlt GIGABYTE auch das Myelintek MLSteam DNN Training System, das Bestandteil der DNN Training Appliance von GIGABYTE ist. Dabei handelt es sich um eine schlüsselfertige Plattform für das Training tiefer neuronaler Netze (DNN) mit einer vorinstallierten, verifizierten und optimierten Umgebung, die einige der beliebtesten Deep-Learning-Frameworks und -Bibliotheken umfasst. Als Backend dieser Lösung dient ebenfalls ein G-Series GPU-Server.
Mehr erfahren: 《KI mit den leistungsstarken KI-Serverlösungen von GIGABYTE voranbringen》
