- 综合排序
- 最热优先
- 最新优先
- 来自专栏GPUS开发者
在NVIDIA DGX Station上利用TLT训练口罩识别模型
感谢西交利物浦大学西浦国际创新港为本次教程提供NVIDIA DGX Station。 关于NVIDIA DGX Station NVIDIA DGX Station是专为办公室场景设计的深度学习超级计算机，其性能是市面上功能最强大的工作站的两倍。 ? DGX Station完胜这一标准，达到35分贝，也就是一般办公室通风系统的噪音量。 ? 为什么我们选择用DGX Station？ DGX工作站里面配置的NVLINK汇流排能将数据传输性能在往上提升一个级别，现在就执行“nvidia-smi topo -m”指令，看看这台DGX工作站的NVLINK拓扑结构，显示如下图，可以看到任意两张 现在就开始在DGX工作中上执行口罩识别的模型训练任务。
1.6K30发布于 2021-07-12 - 来自专栏IT技术订阅
英伟达DGX SuperPOD超级计算解决方案
DGX SuperPOD架构特点 英伟达的DGX SuperPOD是一个高度集成的超级计算解决方案，其架构特点如下： 构建单元 - DGX GB200 系统 每个DGX GB200系统： 节点配置 NVIDIA的DGX SuperPOD架构是由多个DGX GB200系统组成的。 每个DGX GB200系统包含了36个GB200加速卡，每张加速卡内含2个Blackwell GPU，因此每套DGX GB200系统总共包含72个Blackwell GPU。 默认情况下，一个DGX SuperPOD由8个DGX GB200系统组成。 需要注意的是，DGX SuperPOD是可以扩展的，理论上可以通过增加更多的DGX GB200系统来扩展整个集群的规模。因此，实际部署中可能会有更多的GPU节点。
1.1K10编辑于 2024-11-23 英伟达DGX Spark迷你AI超算深度解析
产品概述某机构将其期待已久的DGX Spark称为“世界上最小的AI超级计算机”。这款基于Arm架构的迷你PC售价在3000至4000美元之间（具体取决于配置和OEM厂商），但它的优势并非在于速度。 然而，DGX Spark以及基于GB10的一系列系统能够运行市场上5090或其他任何消费级显卡根本无法处理的模型。 设置为50个生成步骤时，DGX Spark需要约97秒来生成图像，而RTX 6000 Ada只需37秒。但凭借128GB显存，Spark不仅能运行模型。 竞争对比参数某机构DGX Spark某机构Jetson Thor某中心M4 Max某机构Ryzen AI Max+ 395操作系统DGX OS? 如果您想要一个小型、低功耗的AI开发平台，同时能够兼任生产力、内容创作或游戏系统，那么DGX Spark可能不适合您。
1.1K00编辑于 2025-10-20- 来自专栏计算机视觉战队
NVIDIA DGX Cloud现在可强化Genative AI训练
医疗保健公司使用DGX Cloud生成蛋白质模型，通过自然语言处理加快药物发现和临床报告 金融服务提供商使用DGX Cloud来预测趋势、优化投资组合、构建推荐系统并开发智能生成式AI聊天机器人 保险公司正在构建模型来自动化索赔处理 软件公司正在使用它来开发人工智能驱动的功能和应用程序 其他人正在使用DGX Cloud来构建AI工厂和宝贵资产的数字孪生 即时可用的专用 AI 超级计算 DGX Cloud实例提供企业按月租用的专用基础设施 DGX Cloud提供NVIDIA DGX AI超级运算与NVIDIA AI Enterprise软件搭配使用，使世界各地的企業都可以使用Web浏览访问自己的AI超級电脑。 高性能存储集成到DGX云中，以提供完整的解决方案。 企业使用 NVIDIA 基本指挥平台软件管理和监控DGX云培训工作负载。 该平台提供跨DGX云和本地NVIDIA DGX超级计算机的无缝用户体验，因此企业可以在需要时组合资源。
39030编辑于 2023-08-24 - 来自专栏镁客网
NVIDIA A100助力DGX SuperPOD系统，打破16项世界纪录
在这次测试中，NVIDIA DGX SuperPOD超级计算机系统共打破16项世界纪录。 DGX SuperPOD系统公布于去年6月17号，最初由96台 NVIDIA DGX-2H 超级计算机和 Mellanox 互连技术在短短三周内建成，提供9.4千兆次的处理能力，用于该公司在无人驾驶车辆部署计划中的需求 而此次创造纪录的NVIDIA DGX SuperPOD系统主要基于Ampere架构以及Volta架构，并且搭载了今年5月份发布的Ampere架构GPU A100。
81940发布于 2020-08-02 - 来自专栏Python七号
DGX GH200：引领AI超级计算的未来
他领导的团队创造出了一款牛逼的产品： AI 超级计算机——DGX GH200，让我们来了解一下它的强大之处。 新一代的 AI 超级计算机 首先，DGX GH200 是当前市场上唯一一个能够提供高达 144TB 共享内存的 AI 超级计算机。 而且，借助 NVIDIA NVLink 的连接，DGX GH200 的 GPU 数量可以扩展至 256 个。 DGX GH200 的发布，无疑为 AI 领域带来了新的可能性。首先，其强大的计算能力和庞大的内存空间将能够支持更大、更复杂的 AI 模型的开发。 最后 NVIDIA 的 DGX GH200 无疑是 AI 发展的一个重要里程碑，它将极大地推动 AI 的发展，为我们的生活和工作带来更大的便利。
39930编辑于 2023-08-22 - 来自专栏GPUS开发者
征战GPU服务器采购，DGX Station舍我其谁！（下）
昨天我们介绍了DGX Station开箱篇和接口篇征战GPU服务器采购，DGXStation舍我其谁！（上） 今天我们将稍微详细地介绍一下DGX Station的卖点和使用。 有人说DGX Station要50万左右人民币，而自己组装一台同样规格的GPU服务器不需要用到这么多钱。可是真的很贵么？让我们仔细来扒一扒。 首先，它采用了业界最高规格的Tesla GPU卡！ 你基本很难自己给Tesla卡装一个水冷式散热系统吧 值得一提的是，NVIDIA DGX系列都是系统，驱动全都装好了，大大减少了IT扯皮时间，易于管理和维护，即便是一个普通的算法工程师，也可以很容易把环境搭建好 你几乎一分钟不到，可以完成操作系统安装 如果你买到一台DGX Station，你可以按照下面这个视频对这台机器验收，方便快捷不求人！ 总之，NVIDIA DGX Station是深度学习模型训练、科学计算、工程建模等——
2.7K30发布于 2019-04-29 - 来自专栏人工智能LeadAI
最强大的人工智能系统 | NVIDIA DGX-2
NVIDIA DGX-2 是 NVIDIA 首款 2-petaFLOPS 系统，它整合了 16 个完全互联的 GPU，使深度学习性能提升 10 倍，突破了人工智能速度和规模的障碍。 NVIDIA® DGX-2 集 16 个 NVIDIA 家族最先进的 GPU 的计算能力于一身，可以加速实现 之前无法训练的新人工智能模型类型 。 DGX-2 提供随时可用的模块化解决方案，打造扩展人工智能的最快途径。 DGX-2 专为 RAS 而打造，可以减少计划外停机时间，简化可维护性，并保持运行连续性。 DGX-2 是一款企业级产品，依托 NVIDIA 专业知识，专为满足严格的全天候运行要求而构建，旨在使重要的人工智能工作保持正常运行。
1.1K00编辑于 2023-03-28 - 来自专栏运维开发王义杰
NVIDIA DGX深度剖析：开启人工智能新纪元
DGX系列简介 NVIDIA DGX系列是一套完整的AI超级计算机解决方案，旨在为深度学习、机器学习和大数据分析提供无与伦比的计算能力。 从最初的DGX-1到最新的DGX A100，每一代DGX系统都在性能上有了质的飞跃。 核心优势 强大的计算性能 NVIDIA DGX系统采用了最先进的NVIDIA GPU，例如DGX A100采用了A100 Tensor Core GPU，提供了前所未有的计算能力。 应用场景 NVIDIA DGX的应用场景非常广泛，包括但不限于： 科学研究：在生物科学、物理学、化学等领域，DGX可以加速复杂模拟和分析的过程。 金融分析：利用AI模型进行风险评估、市场预测等。 自动驾驶：深度学习在自动驾驶技术的研发中起到了关键作用，DGX为此提供了强大的计算支持。 语言处理：从自然语言处理到机器翻译，DGX能够加速模型的训练和优化过程。
87310编辑于 2024-03-18 - 来自专栏GPUS开发者
在NVIDIA DGX Station上利用TLT训练口罩识别模型
感谢西交利物浦大学西浦国际创新港为本次教程提供NVIDIA DGX Station。 关于NVIDIA DGX Station NVIDIA DGX Station是专为办公室场景设计的深度学习超级计算机，其性能是市面上功能最强大的工作站的两倍。 DGX Station完胜这一标准，达到35分贝，也就是一般办公室通风系统的噪音量。 为什么我们选择用DGX Station？ DGX工作站里面配置的NVLINK汇流排能将数据传输性能在往上提升一个级别，现在就执行“nvidia-smi topo -m”指令，看看这台DGX工作站的NVLINK拓扑结构，显示如下图，可以看到任意两张 现在就开始在DGX工作中上执行口罩识别的模型训练任务。
1.2K00发布于 2021-07-04 - 来自专栏GPUS开发者
DGX Spark是否支持GPUDirect RDMA技术？一文看懂
情况如下： 硬件: 2x NVIDIA DGX Spark (Blackwell GB10 GPUs) 2x 200G QSFP56 passive DAC cables (MCP1650-V00AE30 built with Blackwell compute_121 support) InfiniBand: mlx5_ib, ib_core loaded and working 目前安装： 成功在两个DGX modprobe nvidia-peermem modprobe: ERROR: could not insert ‘nvidia_peermem’: Invalid argument NVIDIA的官方答复： DGX 因此，DGX Spark不支持GPUDirect RDMA技术。 简单来说，DGX Spark的硬件架构虽先进，但在特定场景下需开发者主动适配，通过检测平台能力并选择合适方案，才能保证应用高效运行。
34410编辑于 2025-11-29 - 来自专栏GPUS开发者
【实验笔记】基于 NVIDIA DGX Spark 与 Reachy Mini 构建智能实体Agent
本次实验基于 NVIDIA DGX Spark 的强大计算能力与 Reachy Mini 的实体交互特性，探索如何打造可桌面部署、支持自然交互的私人 AI 实体代理。 连接各组件的开源框架，支持工作流编排、工具调用 实时交互框架 Pipecat 低延迟处理音视频流，协调语音识别、机器人动作 辅助工具 Git、curl 代码克隆与接口测试 （二）部署方式选择 本地部署：需 DGX 实验总结与扩展 实验总结 本次实验成功搭建了基于 NVIDIA DGX Spark 与 Reachy Mini 的 AI 实体代理系统，实现了文本、语音、视觉多模态交互与工具调用功能。
31610编辑于 2026-01-13 - 来自专栏GPUS开发者
DGX Lab 实战：全功能 RAG 基础设施搭建完整指南
前言 在 AI 应用开发中，检索增强生成（RAG）是解决大模型事实性错误、适配专属知识库的核心技术方案，而 NVIDIA DGX 系列硬件凭借高性能算力，成为企业级 RAG 基础设施部署的优选平台。 本文基于 DGX Lab 的实战教程，从部署前提、分步搭建、功能验证、故障排查、性能优化五个维度，详细拆解在 DGX Spark 上构建完整 RAG 基础设施的全流程，所有步骤均经过实操验证，开发者可直接复用落地 一、部署核心前提：硬件与软件配置要求 本次 RAG 基础设施搭建基于NVIDIA DGX Spark硬件平台，采用 NVIDIA 官方推荐的标准化环境配置，兼顾部署效率与性能表现，核心前提要求分为硬件、 所有操作均在 DGX Spark 本地环境完成，无需额外云服务器资源。 算力优势：DGX Spark 的 GB10 芯片支持高并发推理与大规模向量检索，可通过多实例部署、算力分片等方式，支撑企业级高流量业务场景 本次实战搭建的 RAG 基础设施，不仅适用于 DGX Spark
30910编辑于 2026-03-02 - 来自专栏AI科技评论
开发｜英伟达DGX-1国内落地应用案例实访
2016年4月，NVIDIA 在硅谷发布了深度学习超级计算机DGX-1。 同时DGX-1的售价也高达12.9万美金。 ? 从4月发布到9月开始交付，根据NVIDIA 公布的数据，到2016年秋季DGX-1一共收到了接近100家公司的订单。 据说在过去3个月里，这里也是国内最快开展DGX-1应用的机构。李晓燕告诉我们，这台DGX-1在2016年10月中下旬交货，只用半天时间就部署完毕了。 同时，NVIDIA本身也是DGX-1的深度用户，通过在众多领域应用DGX-1向工程团队提出反馈和建议。 NVIDIA 方面告诉我们，目前在国内，除了网易，海康威视等多家机构都在部署DGX-1。眼下在12.9万美金的高价之下，大公司和资金充裕的研究机构会是DGX-1的第一批尝鲜者。
1.5K60发布于 2018-03-12 - 来自专栏机器之心
给实验室配台NVIDIA DGX，快来学习下怎么选择
为了更好的服务学术机构，4月28日，丽台科技携手英伟达推出《利用 NVIDIA DGX 系统轻松打造 AI 科学计算平台》公开课，通过本次公开课，您将了解到：AI 在教育科研领域的应用现状与计算挑战、高校如何为数据中心和 分享主题：《利用 NVIDIA DGX 系统轻松打造 AI 科学计算平台》——如何打造实验室您桌边的科学计算AI超算中心 分享时间：北京时间4月28日（周三） 19:00-21:00 直播地址：https 百台 NVIDIA DGX 系统部署经验，千台 GPU 多卡服务器部署经验。为百余家公司提供项目解决方案，拥有 NVIDIA DGX 系统产品安装及部署授权认证资质。 分享提纲： 如何利用 NVIDIA DGX SuperPOD 加速科学计算与 AI； 教育行业在培养 AI、数据科学等领域人才的时候面临的机遇； 高校如何搭建科学研究计算平台； 如何利用 NVIDIA NGC™ 容器技术在 AI 计算平台实现高效应用部署； NVIDIA DGX 系统加速高校超大规模 AI 计算的案例分享。
41540编辑于 2023-03-29 - 来自专栏GPUS开发者
DGX Spark 实测评测：官方基准与实际应用的差距解析
前言 近期后台收到很多开发者咨询 DGX Spark 的实际性能与开发体验。 NVIDIA 推出的 DGX Spark 凭借亮眼的官方基准数据成为 AI 开发者关注的焦点，其宣称的高吞吐、低精度损失、大内存支持等特性让业界对其实际表现充满期待。 本文基于对 DGX Spark 长达 6 天以上的密集机器学习负载实测，从官方基准数据、实测环境、实际表现、问题与解决四个维度，还原这款硬件的真实应用状态，为开发者的实际部署和使用提供参考。 六、评测总结 DGX Spark 作为 NVIDIA 推出的新一代 AI 硬件，其官方公布的基准数据在技术层面真实有效，核心训练与推理算力具备官方宣称的水平，是一款能支撑大模型训练、推理的高性能硬件。 对于 AI 开发者而言，DGX Spark 具备显著的性能潜力，但并非 “开箱即用” 的硬件，需结合实际业务场景完成软件环境调优、故障处理流程搭建，才能将其硬件性能转化为实际的业务效率。
1.1K10编辑于 2026-03-02 - 来自专栏GPUS开发者
NVIDIA DGX Spark 多节点集群搭建，这些坑千万别踩！
（与DGX Spark硬件规格一致）。 高速线缆：QSFP56 breakout线缆（核心），需选用NVIDIA DGX Spark专用400G转2×200G QSFP56线缆（优先从FS官网购买，标注“DGX Spark”认证），避免购买错误的 直接连接两台DGX Spark的QSFP56端口，实现物理互联（无需交换机，直连即可）。 步骤1：硬件互联（交换机为核心） 连接交换机与节点：将MikroTik CRS 812交换机的两个400GB端口，通过DGX Spark专用QSFP56 breakout线缆（1分2）分别连接4台DGX 线缆扩展：购买4根DGX Spark专用QSFP56 breakout线缆（1分2），将交换机4个400GB端口分别连接8台DGX Spark（含兼容的Dell/MSI/Asus节点），实现8节点网状网络
1.7K10编辑于 2026-03-02 - 来自专栏机器之心
黄仁勋亲自给OpenAI送货，全球首台DGX H200开箱了
他表示，老黄亲自为 OpenAI 送来了全球第一台 Nvidia DGX H200 超级计算机，此举意在双方共同推进 AI、计算和人类的发展。 今年 2 月，马斯克还在 X 上回忆了老黄向 OpenAI 捐赠 DGX-1 服务器的那张经典照片。 2016 年，黄仁勋亲自向 OpenAI 赠送了全球第一台 DGX-1，马斯克也在接收现场。 或许就是这个举动，催生了 ChatGPT 的到来。 在此之后，英伟达陆续推出了 DGX-2（Volta 架构）、DGX A100 服务器（Ampere 架构），持续引领了 AI 算力的最高水平。 今天赠送给 OpenAI 的 DGX H200，是去年 11 月在全球超算大会上推出的最新产品。
40910编辑于 2024-04-26 AMD Strix Halo 与 Nvidia DGX Spark AI 工作站全面对比
AMD Strix Halo 与 Nvidia DGX Spark：哪款 AI 工作站更胜一筹？ 随着某机构在10月发布基于GB10的DGX Spark，其旨在改变这一现状。 DGX Spark零售价为3999美元，而某机构Z2 Mini G1a（测试配置）目前售价约为2950美元。 为了保持一致性，我们在Linux系统上运行了大部分测试：某机构设备上运行Ubuntu 24.04 LTS，Spark上运行某机构轻微定制的版本DGX OS。 你们一直在等待的答案是的，DGX Spark确实能运行《孤岛危机》。我们知道你们都会问这个问题。是的。这两个盒子都能运行《孤岛危机》。
95810编辑于 2026-01-13- 来自专栏毅硕HPC
毅硕HPC | NVIDIA DGX Spark 万字硬核评测：将AI超级工厂带上桌面
二、NVIDIA DGX Spark：小巧机身，PetaFLOP级算力NVIDIA DGX Spark的核心优势在于其先进的架构和强大的计算能力，它为本地AI开发提供了工业级的AI体验。 三、 NVIDIA DGX Spark：专为大模型 (LLM) 而生DGX Spark专为解决生成式AI模型规模和复杂性日益增长带来的挑战而设计，特别针对本地进行大模型的原型设计、微调和推理。1. 双机互联，挑战405B参数极限DGX Spark内置了NVIDIA ConnectX™智能网卡。 部署与迁移NVIDIA DGX Spark支持本地开发，随时随地进行大规模部署。用户可以将其模型从桌面端无缝迁移到DGX Cloud或任何加速云或数据中心基础设施，几乎无需更改代码。 从桌面到数据中心：您在DGX Spark上开发的模型，无需修改代码即可无缝迁移至DGX Cloud或企业级数据中心。它是您低成本、高效率的实验场。
77900编辑于 2025-12-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号