Многоядрена технология. Развитие на многоядрените процесори 6
Фиг.5 - Архитектура на Intel Xeon Phi 4
Изтегляне 456.45 Kb.
|
Свързани:
ukazania kursova rabota(1)
- Навигация на страницата:
- 4.7. Скалируемост
- 4.8. Програмируемост
- 4.9. Защита на инвестициите
- 4.10. Машинното учене навлиза по-дълбоко с процесори Intel® Xeon Phi™
| Фиг.5 - Архитектура на Intel Xeon Phi
4.6. Допълнителни характеристики и ползи на Intel Xeon Phi включват Производителност до 72 мощни и ефективни ядра с ултра-широки векторни възможности (Intel® Advanced Vector Extensions или AVX-512), вдигащи летвата за високо паралелна изчислителна производителност. 4.7. СкалируемостПредоставят CPU скалируемост и надеждност от класа на центровете за данни за работа с високопроизводителни работни натоварвания като машинно учене, където скалиращата ефективност е ключово важна за бързо обучение на сложни неврални мрежи. 4.8. ПрограмируемостПредлага бинарна съвместимост с процесори Intel® Xeon®, за да позволи работа с всякакви x86 работни натоварвания. Това оптимизира оползотворяването на активите в рамките на центъра за данни, докато използването на обикновен програмиращ модел увеличава продуктивността чрез споделена разработваща база и повторна употреба на код. 4.9. Защита на инвестициитеИзградени върху x86 CPU архитектура с общо предназначение и отворени стандарти, с поддръжка от широка екосистема от партньори, програмни езици и налични инструменти – за върхова гъвкавост, преносимост и повторна употреба на софтуер. Първоначалните системи с Intel Xeon Phi процесорна фамилия вече са налични, а по-широк набор се очаква да бъде наличен през септември тази година. До момента Intel е доставила десетки хиляди единици и очаква да продаде повече от 100,000 единици тази година. Широката подкрепа от екосистемата за продуктовата фамилия включва повече от 50 OEM, ISV и мидълуер партньори. 4.10. Машинното учене навлиза по-дълбоко с процесори Intel® Xeon Phi™Прилаганията на машинно учене изискват огромно количество изчислителна мощност, за да работят с математически алгоритми и да обработват големи обеми от данни. Като има предвид тези предизвикателства, Intel разшири своя набор от технологии за машинно учене с пускането на процесорната фамилия Intel® Xeon Phi™. Intel® Xeon Phi™ processor предлага стабилна производителност за машинно учене тренировъчни модели, и с гъвкавостта на bootable host processor, той е способен да работи с множество аналитични работни натоварвания. Intel® Scalable System Framework-базираните клъстери, захранвани от процесори Intel Xeon Phi и с налична Intel® Omni-Path Architecture, дават възможност учените, занимаващи се с данни, да работят със сложни неврални мрежи и да пускат тренировъчни модели за значително по-кратко време. В 32-node инфраструктура, фамилията Intel Xeon Phi предлага до 1.38 пъти по-добро скалиране в сравнение с GPUs, а при 128-node инфраструктура, времето за трениране на моделите може да бъде изпълнено до 50 пъти по-бързо с използването на фамилията Intel Xeon Phi3. Фамилията Intel Xeon Phi се допълва от фамилията Intel® Xeon® processor E5 family, най-широко прилаганата инфраструктура за машинно учене4. Продуктовата фамилия Intel Xeon processor E5 v4 е много подходяща за скоринг модели за машинно учене и предоставя висока производителност и стойност за широко разнообразие от работни натоварвания за центрове за данни. Заедно тези Intel Xeon процесорни фамилии предлагат на разработчиците последователен модел за програмиране за трениране и оценяване на обща архитектура и могат да бъдат използвани за работни натоварвания от високопроизводителен компютинг, анализи на данни и машинно учене. Изтегляне 456.45 Kb. Сподели с приятели:
|