人工智能算力平台（人工智能算力是什么意思）

CG-PAI

智能算力服务平台

全网页化操作，自动管理和分配云端的计算和存储资源。

支持Jupyter与远程桌面，接近个人电脑的使用体验。

整合全校算力资源、统一管理、按需分配，提升设备利用率。

技术资料

人工智能 + 超算

利用 “项目 + 数据集 + 执行环境” 模型管理科研项目、调度计算资源， 不仅仅适用于人工智能，同样适用于传统HPC应用场景。

易学易用

基于Jupyter和远程桌面两类在线交互形态，易学易用，降低传统高性能计算系统的使用门槛，让“算力”可以像“电力”一样实现“即插即用”

支持vGPU调度

轻松管理和使用本地任意多台服务器，轻松获取云端GPU计算能力。支持vGPU，可以实现将物理GPU水平拆分成多个虚拟GPU，提升资源利用率。

自定义科研环境

在线轻松安装配置任意并行计算软件或软件库。同时支持Jupyter和桌面两类可视化环境，在线使用任意图形界面软件

专为科研过程定制，提升科研效率

Jupyter与桌面环境

Jupyter 是当前机器学习/深度学习的主流方案，不需要进行任何设置就可以使用。与公有云科研平台（微软 Azure notebook、Google Colab、百度AI Studio、阿里天池实验室等）无缝切换。支持远程桌面环境，在线使用任意图形界面软件。和传统超算的作业调度机制相比，更加适合需不断调试、纠错、探索的研究过程。

写论文

使用Markdown和LaTex撰写论文手稿，结合代码与强大的图表功能，记录论文中的每个要点。利用版本管理功能，轻松保存和复现过程成果。

科研协作

数据集上传后，可以共享给团队成员，免去数据维护等重复工作。项目一键分享，让其他成员在已有的基础上继续开展工作。

计费管理

支持资源标签，方便区分不同单位的计算资源与设备；以组为单位，定义资源配额与优先级。整合全校的算力资源、统一管理、按设备归属与优先级分配资源，细粒度计费机制，共享收益。

“即插即用” 算力资源

长久以来，人们希望“算力”可以像“电力”一样实现“即插即用”（Plug-and-Play），但显然，现有算力服务平台在易用性上依然存在较高的使用门槛人工智能算力平台，高性能计算平台现状分析 。希冀通过创新的交互方式和调度方式，让用户可以像使用个人电脑一样使用算力服务，真正实现“即插即用”、“开箱即用”。

与传统计算平台使用流程对比与传统计算平台调度策略对比

Jupyter案例

远程桌面案例：一键申请MPI集群

多块GPU训练深度学习模型

Matlab绘制动态旋转的三维函数曲面

应用场景

校级超算中心

支持MPI多节点运行作业，任意定制软件版本人工智能算力平台，支持图形化交互软件，在线管理和分享数据集，科研项目版本化管理，通过云桌面或Jupyter，用户可以像使用个人电脑一样使用超算环境，降低计算化学、材料学、生物学、流体力学、生命科学、航空航天等学科用户的超算使用门槛。

二级学院

集中管理和调度学院计算资源，提升利用率，方便运维与计费管理。

混合云算力池

本校私有算力池，接入地区级、国家超算、公有云算力池，弹性扩展算力。

功能演示

易上手的使用流程，一分钟内轻松掌握算力平台使用；可视化的软件环境，在线运行使用任意图形界面软件；可交互的开发环境，在线开发、测试、调参程序代码；可定制的运行环境，在线安装配置任意并行计算软件。

第1步：新建数据集

可设定数据集名称、简述、封面图片、目录、文件、权限

第2步：创建项目

可设定项目名称、描述、运行环境、数据集、笔记文件

第3步：申请计算资源

可选择节点数量、内存大小、CPU核数、GPU卡数、资源释放策略

第4步：进入Jupyter运行环境

Jupyter运行环境， /home/jovyan/work为持久化工作目录

第4步：或进入桌面运行环境

云桌面运行环境， /home/jovyan/work为持久化工作目录

在线定制Jupyter运行环境流程

在线安装、配置、部署所需要的软件环境

在线定制桌面运行环境流程

在线安装、配置、部署所需要的软件环境

公开项目与数据集

支持项目与数据集的公开、查看、收藏、Fork

整体架构

算力资源一键调配，开箱即用的开发环境