H100加速蛋白结构模型训练
AllThingsApx · x · 2026-07-11
NVIDIA 转发介绍了蛋白结构模型 ESMFold2 的训练与推理优化：该模型在 256 张 H100 上端到端训练，并借助 NVIDIA 的 CUDA-X 工具栈提升效率。
重点包括：
- cuEquivariance fused kernels 用于三角乘法，降低注意力机制核心计算开销
- Fold-CP 上下文并行让更长蛋白链在更少 GPU 上运行：4× H100 可处理 4,000 residues，16× H100 可处理 6,500 residues
- TransformerEngine FP8 低精度训练带来更快迭代和更低显存占用，且不牺牲精度
整体信息指向：更长蛋白、更快折叠、更高效的 GPU 训练/推理栈。
所属事件:NVIDIA发布生物结构预测全栈加速方案(6 条相关)→
「Infra」频道最新
- Oracle Q1 云基建收入三位数增长，AI 算力需求持续爆发 — DavidLinthicum · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11
- PyTorch Day Korea 2026 首届线下大会启动,9月13日截止征集演讲 — PyTorch · 2026-09-11
- 本地跑 LLM 选卡:4 张 CMP-170HX 涨价 vs Mac Studio M5 — rumboll · 2026-09-11
- llama.cpp 为 RDNA4 调优 Flash Attention,大上下文提升明显 — pmttyji · 2026-09-11