GPU-Server
Neben den Windows- und Linux-Arbeitsplätzen in den Poolräumen und dem Compute Cluster bietet das Informatik-RZ GPU-Server an. Die Nutzung erfordert ggf. eine vorherige Absprache bezüglich der benötigten Software.
Ausstattung
4 GPU-Server rzgpu1-4
- 2 18-Core-Prozessoren Intel Xeon Gold 6240 2.60GHz
- 384 GB Arbeitsspeicher
- 4 Grafikkarten Nvidia Quadro RTX 6000 mit 24 GB Speicher
- 4 Grafikkarten Nvidia GeForce RTX 2080 Ti mit 11 GB Speicher
- lokale Platte
/data
(5 TB) zum Zwischenspeichern von Arbeitsdaten und Ergebnissen - Betriebssystem Ubuntu 22.04 mit Python 3.10, CUDA 11.7, PyTorch 1.12.1, Tensorflow 2.9.1
12 Pool-Rechner in Raum D118
- Six-Core Intel Core i5-12500 mit 32 GB Arbeitsspeicher
- Grafikkarten Nvidia GeForce RTX 3060 mit 12 GB Speicher
- Betriebssystem Ubuntu 22.04 mit Python 3.10, CUDA 11.7, PyTorch 1.12.1, Tensorflow 2.9.1
- zur Ausbildung und zum Entwickeln von CUDA-Anwendungen
32 Pool-Rechner in den Räumen D010, D114
- Six-Core Intel Core i5-10505 mit 16 GB Arbeitsspeicher
- Grafikkarten Nvidia GeForce 1050 Ti oder 1650 mit 4 GB Speicher
- Betriebssystem Ubuntu 22.04 mit Python 3.10, CUDA 11.7, PyTorch 1.12.1, Tensorflow 2.9.1
- zur Ausbildung und zum Entwickeln von CUDA-Anwendungen
Nutzung der GPU-Server
- Auslastung und Reservierung der GPU-Server
rzgpu1-4
(Seite nur im Intranet aufrufbar)
Die GPU-Server sind für die Nutzung durch Informatik-Mitarbeiter und -Mitarbeiterinnen vorgesehen, insbesondere aus Arbeitsbereichen, die keine oder wenige eigene GPU-Server haben.
Die GPU-Server können nur nach vorheriger Reservierung der benötigten GPUs genutzt werden. Ohne Reservierung kann man sich auf ihnen nicht anmelden! Die Benutzer und Benutzerinnen sind dann selbst dafür verantwortlich, nur ihre reservierten GPUs zu verwenden.
Benutzer und Benutzerinnen können sich selbst Python-Pakete mit virtualenv
installieren.