基于校级跨域算力集群的AI性能测试与优化

随着人工智能时代的加速到来,高性能计算、人工智能计算等多元化算力成为当前数字信息社会发展的生产力核心,通过搭建算力网络能够充分调动分布式算力中心资源。华中科技大学通过整合校内多个算力中心,实现算力资源的统一调度管理。文章阐述跨域算力集群的软硬件环境,并基于PyTorch框架对比各个算力中心的AI性能。实验结果证明,平台支持AI算力的跨域调用,采用一定优化方案后,可以完全解决跨域数据传输带来的性能瓶颈。

算力网络应用平台研究与设计

针对算力网络(CPN)因算力多样泛在、多要素融合、需求差异化的特点导致的用户使用困难、应用管理难等问题,从纳管与接入、决策与调度、应用与开放三个层面研究算力网络应用的管理以及异构算力融合和跨域编排关键技术,并设计一个算力网络应用平台。通过提供一种即开即用、按需付费的零感知算网应用服务,使用户关注于应用服务需求,无需关心算力资源需求和算力网络复杂环境,从而实现降低用户的算力网络使用门槛,提升算网应用的使用和管理效率的目标。