GPU的AI加速运算能力在各大研究上扮演关键角色。丽台科技突破传统限制，率先发表GPU资源分配与管理系统 (GDMS)，并首由长庚大学资工系导入使用。

长庚大学资工系系主任陈仁晖(中)与丽台科技协理陈树威(左一)等人合影。(source:丽台)

丽台GDMS提供多人使用单一张GPU，以及一人使用多GPU两种资源分配模式，适用於NVIDIA 全系列绘图卡，支援不同规模的工作负载，达到资源运用最大化。其直觉式图型操作介面，让不懂Docker指令的管理人员，仍能轻松执行AI专案建置，将AI研发和教学环境布署时间缩短300倍。

在AI研发上，目前大部份开发者采用的容器化开源软体架构，皆是以单张GPU为单位。也就是单一GPU卡，只能分配给单一Container使用。丽台GDMS则是以专案及Docker为基础的GPU资源分配与管理系统，容许多个Container使用同一张GPU资源。长庚大学资工系陈仁晖系主任提到，在教学上，学生所执行的专案较小，如果GPU等资源无法有效分配，将十分可惜。GDMS可以在相同资源条件下，让更多学生同时使用GPU运算资源，将能够大大提升GPU使用率。此外，透过GDMS图型介面，除了能让使用者更方便操作外，老师也能在课堂间的休息时间，快速布署不同Container给指定学生使用。一般来说，大约需要花 50 分钟才能建立 100 个 Container，但现在只需要花十秒即可完成，同时达到快速备课及资源使用最大化目的，真的是教学一大利器。

丽台科技林威延博士补充，此种单卡支援多人使用的模式也相当适合企业研发单位执行AI训练，以降低总体持有成本。丽台GDMS另一个功能则反过来。例如研究单位进行大型AI研发专案时，丽台GDMS能集中多张GPU资源支持该专案进行，并确保其他人寻找可用GPU资源时不会影响到该专案的资源分配，弹性支援不同AI开发情境。

在实务上，随着需求不断改变，AI研发单位会不断的扩充硬体，创建不同的群组与Docker。时间久了，很难记住这些Docker布署在哪些伺服器上，进而造成管理混乱。在GDMS协助下，管理时间将大幅降低，研发团队可更专注於AI专案开发。除此之外，丽台同时推出RTX GPU AI 开发软体（RTX AI Software Pack）以解决AI框架相依函式库易相冲突的问题。丽台GPU AI开发软体整合了 12 种深度学习以及机器学习的开发套件。除了大家熟悉的 Caffe、TensorFlow、学术界常用的 PyTorch，还有RAPIDS等，各开发套件的相容性已调整在最隹状态，在AI开发环境建置上，将可省去除错时间。若在伺服器上安装丽台GPU AI 开发软体，再通过 GDMS启动Container，便可直接开启多个对应的连接埠、整合储存设备路径，或安装必要套件(例如：Jupyter notebook、Matplotlib)，专案成员亦可自行上传Docker Image。如此一来，透过GDMS的管理，除了GPU的资源分配之外，只需要对应多组连接埠，即可在有限的硬体实现多丛集架构的软体教学 (例如：Hadoop)，不需再购买其他虚拟化方案。

图说 : 长庚大学资工系系主任陈仁晖(中)，丽台科技协理陈树威(左一)，长庚大学资工系助理教授李季青(左二)，丽台科技业务经理沈守宥(右二)，丽台科技技术经理刘家豪(右一)合影。(source:丽台)