Профили оборудования точно сообщают NeuroBrix, как выглядит ваша машина — GPU, CPU, память, межсоединения. Решатель Prism читает профиль и автоматически выбирает лучшую стратегию выполнения.
По умолчанию NeuroBrix автоматически обнаруживает всё оборудование на вашей машине:
neurobrix serve --model <name>
# Auto-detects all GPUs, CPU, interconnects
Пишите собственный профиль, когда хотите:
Рассматривайте профили как способ выделить часть вашей машины для конкретного экземпляра NeuroBrix. На одной машине можно запустить несколько экземпляров, каждый со своим профилем, нацеленным на разные GPU.
neurobrix serve --model <name> --hardware v100-32g
neurobrix serve --model <name> --hardware my-custom-profile
Эти идентификаторы профилей поставляются с движком и могут передаваться в --hardware:
| Семейство | Идентификаторы профилей |
|---|---|
| NVIDIA для центров обработки данных | a100-40g, a100-80g, a10-24g, h100-80g, l40s-48g, t4-16g, v100-16g, v100-32g |
| NVIDIA потребительские | rtx2080ti-11g, rtx3060-12g, rtx3080-10g, rtx3090-24g, rtx4080-16g, rtx4090-24g |
| CPU | cpu-only-x86 |
Для некоторых из них поставляются также варианты с несколькими GPU. Точные идентификаторы, установленные на вашей машине, можно увидеть в каталоге профилей ниже.
Поставляемый профиль не гарантирует, что оборудование выполняет модели: см. три уровня честности в разделе Поддержка оборудования. Эмпирически проверенной отмечена только Volta.
Профили — это YAML-файлы в пакете движка:
neurobrix/config/hardware/ # inside the installed package
├── default.yml # Auto-generated by detection (default-cpu.yml with no GPU)
├── v100-32g.yml # Bundled
├── ...
└── my-custom.yml # Your custom profile
В качестве аргумента --hardware используйте имя файла (без .yml).
Самый частый случай: у вас 4 GPU, и вы хотите выделить для NeuroBrix только один:
id: single-v100-32g
preferred_dtype: float16
summary:
total_gpus: 1
total_vram_gb: 32.0
total_ram_gb: 251.5
topology: Single-GPU
cpu:
model: "Intel(R) Xeon(R) Gold 6230 CPU @ 2.10GHz"
cores: 40
threads: 80
ram_mb: 257530
architecture: x86_64
features: [avx2, avx512f, fma]
devices:
- index: 0
brand: nvidia
model: Tesla V100-SXM2-32GB
memory_mb: 32768
compute_capability: "7.0"
supports_dtypes: [float32, float16]
architecture: volta
pcie_version: "3.0"
notes: "Single V100 32GB — other GPUs reserved for training"
Теперь на оставшихся GPU можно запустить вторую модель или оставить их свободными для обучения.
Полный профиль для нескольких GPU с межсоединением NVLink:
id: my-2xv100-32g
vendor: dell
preferred_dtype: float16
summary:
total_gpus: 2
total_vram_gb: 64.0
total_ram_gb: 251.5
topology: Multi-GPU
cpu:
model: "Intel(R) Xeon(R) Gold 6230 CPU @ 2.10GHz"
cores: 40
threads: 80
ram_mb: 257530
architecture: x86_64
features: [fma, avx2, avx512f, avx512_vnni]
devices:
- index: 0
brand: nvidia
model: Tesla V100-SXM2-32GB
memory_mb: 32768
compute_capability: "7.0"
supports_dtypes: [float32, float16]
architecture: volta
pcie_version: "3.0"
- index: 1
brand: nvidia
model: Tesla V100-SXM2-32GB
memory_mb: 32768
compute_capability: "7.0"
supports_dtypes: [float32, float16]
architecture: volta
pcie_version: "3.0"
interconnect:
groups:
- index: 0
members: [0, 1]
type: full_mesh
tech: nvlink
bandwidth_gbps: 300
pcie_fallback:
version: "3.0"
lanes: 16
bandwidth_gbps: 32
notes: "2 x V100 SXM2 32GB with NVLink, Dell C4140"
NeuroBrix работает с неоднородными конфигурациями GPU. Prism размещает более крупные компоненты на более мощном GPU:
devices:
- index: 0
brand: nvidia
model: Tesla V100-SXM2-16GB
memory_mb: 16384
compute_capability: "7.0"
supports_dtypes: [float32, float16]
architecture: volta
- index: 1
brand: nvidia
model: Tesla V100-SXM2-32GB
memory_mb: 32768
compute_capability: "7.0"
supports_dtypes: [float32, float16]
architecture: volta
Для разработки или небольших моделей:
id: cpu-workstation
preferred_dtype: float32
summary:
total_gpus: 0
total_vram_gb: 0
total_ram_gb: 32.0
topology: CPU-Only
cpu:
model: "AMD Ryzen 9 7950X"
cores: 16
threads: 32
ram_mb: 32768
architecture: x86_64
features: [avx2, fma]
devices: []
notes: "CPU-only workstation, no discrete GPU"
| Поле | Обязательное | Описание |
|---|---|---|
id |
Да | Уникальный идентификатор профиля |
vendor |
Нет | Производитель машины (dell, supermicro и т. д.) |
preferred_dtype |
Да | Вычислительный dtype по умолчанию |
summary |
Да | Краткая статистика для отображения и подсказок решателю |
cpu |
Да | Информация о CPU |
devices |
Да | Список устройств GPU (пустой [] для режима только CPU) |
interconnect |
Нет | Связи между GPU (опускается для одного GPU / только CPU) |
pcie_fallback |
Нет | Характеристики PCIe для связи между группами |
| Оборудование | Рекомендуется | Почему |
|---|---|---|
| V100, T4, RTX 20 | float16 |
Нет поддержки bf16 |
| A100, RTX 30/40 | float16 или bfloat16 |
Работают оба, bf16 избегает переполнения |
| H100, H200 | bfloat16 |
Нативные тензорные ядра bf16 |
| CPU (обычный) | float32 |
Нет ускорения половинной точности |
| CPU с AMX | bfloat16 |
Аппаратное матричное умножение в bf16 |
Предупреждение: Без
preferred_dtypePrism может назначить fp32 модели, собранной в fp32, впустую тратя память и пропускную способность. Задайте его для вашего оборудования.
| Технология | Типичная пропускная способность | Применение |
|---|---|---|
nvlink |
300-900 GB/s | Серверные GPU (V100 SXM, A100, H100) |
xgmi |
200-400 GB/s | AMD Instinct (MI250X, MI300X) |
pcie |
16-64 GB/s | Потребительские GPU, смешанные конфигурации |
neurobrix info --hardware my-custom
neurobrix serve --model <name> --hardware my-custom
Если в профиле есть ошибки, NeuroBrix аварийно завершается с явным сообщением (ZERO FALLBACK — никаких молчаливых значений по умолчанию).
--hardwareДалее: Руководство по обслуживанию
© 2025–2026 Hocine Benkelaya. NeuroBrix engine released under the Apache License 2.0.
Developed by Hocine Benkelaya · Supported and funded by Neural Network Holding Ltd · Commercial distribution by WizWorks OÜ
Источник документации: GitLab