案例簡介

? 本案例中通過 NVIDIA A100 GPU 加速器，上海市磁共振重點實驗室構(gòu)建了高效的深度學習科研硬件平臺，建立高效且穩(wěn)定的針對醫(yī)學圖像處理的深度學習平臺。

? 本案例中 NVIDIA 精英級合作伙伴信弘智能助力上海市磁共振重點實驗室部署了高效的科研硬件平臺。

客戶簡介及應(yīng)用背景

上海市磁共振重點實驗室（Shanghai Key Laboratory of Magnetic Resonance）是從屬于華東師范大學的省部級重點實驗室， 是國內(nèi)核磁共振研究和人才培養(yǎng)的主要基地之一。多年來，堅持自己在磁振物理學上的專業(yè)特色，逐漸形成了應(yīng)用研究與技術(shù)研發(fā)并重，磁共振波譜與磁共振成像兼顧的局面，并先后建立了“上海市磁共振成像技術(shù)平臺”和“上海市核磁共振波譜技術(shù)服務(wù)平臺”兩個開放平臺，進一步強化了實驗室的開放服務(wù)功能。

目前該實驗室已與上海市范圍內(nèi)十幾家重點醫(yī)院展開科研合作，對高效的大數(shù)據(jù)的醫(yī)學圖像處理有著急切的需求。此次借助 NVIDIA A100 GPU 和自身龐大的計算能力，構(gòu)建出了高效穩(wěn)定的科研硬件平臺，用于醫(yī)學圖像的各種后處理任務(wù)，深度學習相關(guān)任務(wù)。

客戶挑戰(zhàn)

不同于二維自然圖像，醫(yī)學圖像往往單個數(shù)據(jù)數(shù)據(jù)量較大，對于網(wǎng)絡(luò)傳輸帶寬及 GPU 顯存都提出了新的挑戰(zhàn)。并且由于科研課題較大、研究內(nèi)容跨度較大和研究人員較多等因素。深度學習的硬件平臺效率成為了科研工作效率的瓶頸。如何在有限的預算內(nèi)完成深度學習平臺的構(gòu)建成為了新的挑戰(zhàn)。

跨節(jié)點使用性能不高，需要優(yōu)化網(wǎng)絡(luò)環(huán)境，目前實驗室僅使用了一根 1GB 帶寬網(wǎng)線連接公用存儲服務(wù)器，在大型訓練任務(wù)中數(shù)據(jù)傳輸速度低成為深度學習任務(wù)的瓶頸。

應(yīng)用方案

基于以上挑戰(zhàn)，作為解決方案的第一步，上海市磁共振重點實驗室使用了 NVIDIA A100 GPU 加速器，將深度學習訓練、推理和分析整合至一個易于部署的統(tǒng)一 AI 基礎(chǔ)架構(gòu)中，通過大顯存方法減少IO速度帶來的影響。

目前，實驗室包括 A100 計算服務(wù)器總計擁有 7 個計算服務(wù)器（計算節(jié)點），每臺服務(wù)器擁有 4 塊 NVIDIA GPU 加速器用于深度學習，每臺服務(wù)器共享同一個存儲服務(wù)器。所有用戶通過 Active Directory 賬戶共享計算及存儲服務(wù)器。

并且為了進一步整合當前實驗室中 NVIDIA GPU 服務(wù)器資源，實驗室開發(fā)了面向臨床及科研的醫(yī)學圖像 AI 開發(fā)開源平臺“Strix”。該平臺基于 NVIDIA 團隊的 MONAI 醫(yī)學圖像 AI 處理庫開發(fā)。整合了醫(yī)學圖像 AI 開發(fā)中涉及的數(shù)據(jù)準備，數(shù)據(jù)預處理，多種任務(wù)框架，結(jié)果可視化等步驟。讓醫(yī)學圖像 AI 開發(fā)可以更為簡單易于上手。針對不同架構(gòu)的 GPU， Strix 也做了針對性的優(yōu)化。例如 A100 GPU 的 MIG 虛擬 GPU 技術(shù)，我們提供了虛擬 GPU 交互式選擇，實現(xiàn)讓用戶更輕松的選擇目標 GPU 進行訓練。

使用效果

通過NVIDIA A100 GPU的MIG技術(shù)，在小團隊的工作環(huán)境中有較高的自由度，在計算資源較為緊缺的情況下，可以增加可用用戶數(shù)。在顯存資源較為緊缺的情況下，可以減少用戶數(shù)增加單個顯存容量。

更大的顯存可以運行需要更大顯存的深度學習任務(wù)，讓許多從前無法實現(xiàn)的科研課題在新的GPU上成為可能。同時最新的Ampere架構(gòu)支持了半精度運算，搭配 NVIDIA的自動混合精度（Automatic Mixed Precision ） 技術(shù)，在節(jié)省運行顯存開銷的同時，加速神經(jīng)網(wǎng)絡(luò)訓練速度。帶來了更快的網(wǎng)絡(luò)訓練及推理效率。

上海市磁共振重點實驗室表示，“作為以醫(yī)學圖像處理為重點的課題組，通過與 NVIDIA 的緊密合作，我們將更高效地利用前沿AI技術(shù)及醫(yī)學圖像技術(shù)，解決醫(yī)療行業(yè)的高價值問題，專注在更智能更高效更安全的未來醫(yī)療的新技術(shù)?！?/p>

審核編輯：郭婷