Компания NVIDIA изменила лицензионное соглашение для драйвера, и теперь использовать графические процессоры GeForce и Titan в дата-центрах запрещено. Почему так получилось, кого коснутся изменения и какие есть альтернативы, читайте под катом.
/ фото Fritzchens Fritz PD
NVIDIA добавила в статью 2.1.3 пользовательского соглашения GeForce Software новое положение. Оно гласит: «No Datacenter Deployment. The SOFTWARE is not licensed for datacenter deployment, except that blockchain processing in a datacenter is permitted» и касается продуктов NVIDIA GeForce и Titan. Теперь запрещено использовать эти карты для любых задач, кроме работы с блокчейн-технологиями. Для работы с машинным обучением и моделирования в ЦОД теперь можно использовать только Tesla V100. Почему компания приняла такое решение расскажем далее.
Компания NVIDIA начинала свой путь как разработчик графических процессоров для игровой индустрии. Позднее эти ускорители стали использовать в исследовательских и бизнес-целях, в том числе в дата-центрах (о том, почему GPU лучше подходит для высокопроизводительных вычислений, мы уже писали здесь).
Однако, как заявляют представители NVIDIA, графические ускорители GeForce и Titan не предназначены для развертывания в дата-центрах. Работа ЦОДов связана с высокими требованиями к аппаратным и программным решениям в режиме 24x7. При этом нельзя гарантировать работоспособность этих карт в помещении с высокой плотностью оборудования в стойках и, соответственно, высокой температурой окружающей среды.
Взамен NVIDIA предлагает использовать Tesla V100 — графический ускоритель, разработанный специально для работы в условиях машинных залов и обладающий большей производительностью. Если говорить о 64-битных операциях с числами с плавающей запятой, Tesla гораздо мощнее GeForce: 7 терафлопсов против 0,355 терафлопсов (GTX 1080 Ti). Карты Tesla также превосходят GeForce на операциях с числами половинной и одинарной точности с плавающей запятой.
В NVIDIA также считают решение Tesla более стабильным, потому — более подходящим для бизнеса. Например, стабильность обеспечивает технология NVIDIA NVLink — компьютерная шина, которая служит для связи CPU и GPU и использует протоколы кеш-когерентности.
Архитектура параллельных вычислений CUDA от NVIDIA широко поддерживается библиотеками машинного обучения cuDNN, поэтому исследователи и разработчики систем искусственного интеллекта перешли на продукты NVIDIA, чем вызвали рост акций компании на 85% в 2017 году.
Например, университеты Флориды и Северной Каролины с помощью NVIDIA разрабатывают движок нейронной сети для моделирования в области квантовой механики.
Многие организации работают с картами GeForce и Titan из-за цены. GeForce GTX 1080 Ti стоила 699 долларов. Для сравнения, последняя карта Tesla V100, заточенная под ЦОДы, стоит около 8 тысяч долларов. Добавленный пункт соглашения может стать препятствием для проведения исследований и разработки новых продуктов.
Но при всем при этом в NVIDIA отмечают, что изменения не коснутся тех исследователей и разработчиков, которые адаптируют продукты компании для некоммерческих целей и используют ускорители вне ЦОДов.
Пользователи Reddit указывают на то, что запрет касается только софта, а не железа. Поэтому можно писать собственные драйвера и затем использовать видеокарты от NVIDIA легально. Однако это сложно осуществить на практике, потому что ИТ-гигант не предоставил соответствующих спецификаций для железа (часть пользователей убеждена, что это вообще невозможно, так как контроллеры на всех картах NVIDIA не поддерживают ничего, кроме фирменных драйверов).
Ещё один вариант — использовать старые драйвера, на которые не распространяются изменения в новом лицензионном соглашении. Но в этом случае придется смириться с ограниченным уровнем поддержки.
Также резиденты Reddit отмечают, что стоит обратить внимание на проект ROCm (Radeon Open Compute) — open-source-платформу для высокопроизводительных вычислений на графических процессорах, которая не зависит от языка программирования. Платформа позволяет работать практически с любой видеокартой, в том числе с продуктами NVIDIA.
Это возможно благодаря HIP (Heterogeneous-Computing Interface for Portability) — диалекту С++, который упрощает преобразование приложений CUDA в портируемый код на С++. Инструмент Hipify автоматизирует процесс конвертирования, что позволяет запускать HIP-код на «железе» AMD (с помощью компилятора HCC) и NVIDIA (с помощью компилятора NVCC).
P.S. Материалы по теме из нашего блога на Хабре:
P.P.S. Материалы из Первого блога о корпоративном IaaS:
/ фото Fritzchens Fritz PD
Что изменилось
NVIDIA добавила в статью 2.1.3 пользовательского соглашения GeForce Software новое положение. Оно гласит: «No Datacenter Deployment. The SOFTWARE is not licensed for datacenter deployment, except that blockchain processing in a datacenter is permitted» и касается продуктов NVIDIA GeForce и Titan. Теперь запрещено использовать эти карты для любых задач, кроме работы с блокчейн-технологиями. Для работы с машинным обучением и моделирования в ЦОД теперь можно использовать только Tesla V100. Почему компания приняла такое решение расскажем далее.
В чем причина
Компания NVIDIA начинала свой путь как разработчик графических процессоров для игровой индустрии. Позднее эти ускорители стали использовать в исследовательских и бизнес-целях, в том числе в дата-центрах (о том, почему GPU лучше подходит для высокопроизводительных вычислений, мы уже писали здесь).
Однако, как заявляют представители NVIDIA, графические ускорители GeForce и Titan не предназначены для развертывания в дата-центрах. Работа ЦОДов связана с высокими требованиями к аппаратным и программным решениям в режиме 24x7. При этом нельзя гарантировать работоспособность этих карт в помещении с высокой плотностью оборудования в стойках и, соответственно, высокой температурой окружающей среды.
Взамен NVIDIA предлагает использовать Tesla V100 — графический ускоритель, разработанный специально для работы в условиях машинных залов и обладающий большей производительностью. Если говорить о 64-битных операциях с числами с плавающей запятой, Tesla гораздо мощнее GeForce: 7 терафлопсов против 0,355 терафлопсов (GTX 1080 Ti). Карты Tesla также превосходят GeForce на операциях с числами половинной и одинарной точности с плавающей запятой.
В NVIDIA также считают решение Tesla более стабильным, потому — более подходящим для бизнеса. Например, стабильность обеспечивает технология NVIDIA NVLink — компьютерная шина, которая служит для связи CPU и GPU и использует протоколы кеш-когерентности.
Кого коснется изменение
Архитектура параллельных вычислений CUDA от NVIDIA широко поддерживается библиотеками машинного обучения cuDNN, поэтому исследователи и разработчики систем искусственного интеллекта перешли на продукты NVIDIA, чем вызвали рост акций компании на 85% в 2017 году.
Например, университеты Флориды и Северной Каролины с помощью NVIDIA разрабатывают движок нейронной сети для моделирования в области квантовой механики.
Многие организации работают с картами GeForce и Titan из-за цены. GeForce GTX 1080 Ti стоила 699 долларов. Для сравнения, последняя карта Tesla V100, заточенная под ЦОДы, стоит около 8 тысяч долларов. Добавленный пункт соглашения может стать препятствием для проведения исследований и разработки новых продуктов.
Но при всем при этом в NVIDIA отмечают, что изменения не коснутся тех исследователей и разработчиков, которые адаптируют продукты компании для некоммерческих целей и используют ускорители вне ЦОДов.
Альтернативные решения
Пользователи Reddit указывают на то, что запрет касается только софта, а не железа. Поэтому можно писать собственные драйвера и затем использовать видеокарты от NVIDIA легально. Однако это сложно осуществить на практике, потому что ИТ-гигант не предоставил соответствующих спецификаций для железа (часть пользователей убеждена, что это вообще невозможно, так как контроллеры на всех картах NVIDIA не поддерживают ничего, кроме фирменных драйверов).
Ещё один вариант — использовать старые драйвера, на которые не распространяются изменения в новом лицензионном соглашении. Но в этом случае придется смириться с ограниченным уровнем поддержки.
Также резиденты Reddit отмечают, что стоит обратить внимание на проект ROCm (Radeon Open Compute) — open-source-платформу для высокопроизводительных вычислений на графических процессорах, которая не зависит от языка программирования. Платформа позволяет работать практически с любой видеокартой, в том числе с продуктами NVIDIA.
Это возможно благодаря HIP (Heterogeneous-Computing Interface for Portability) — диалекту С++, который упрощает преобразование приложений CUDA в портируемый код на С++. Инструмент Hipify автоматизирует процесс конвертирования, что позволяет запускать HIP-код на «железе» AMD (с помощью компилятора HCC) и NVIDIA (с помощью компилятора NVCC).
P.S. Материалы по теме из нашего блога на Хабре:
- Разреженные матрицы: как ученые ускорили машинное обучение на GPU
- Первый суперкомпьютер DGX-1 на базе Tesla V100 применят в медицине
P.P.S. Материалы из Первого блога о корпоративном IaaS:
