Compute-Beschleunigung

Leistung
+ Flexibilität
+ Effizienz

Warum FPGAs für die Rechenbeschleunigung verwenden?

Die Kunden setzen zunehmend heterogene Plattformen ein, die eine Mischung aus sich ergänzenden Technologien enthalten, die zusammenarbeiten.

FPGAs bieten hohe Leistung, flexible Arbeitslasten und energieeffizienten Betrieb für eine Reihe von HPC-Anwendungen.

CORE FPGA Vorteile für HPC

Das FPGA-Nutzenversprechen für HPC hat sich in den letzten Jahren deutlich verbessert.

Dies sind entscheidende Vorteile, die in unserem BWNN-Whitepaper aufgezeigt werden:

Leistung Beschleunigung

Zusammen mit CPUs sind FPGAs Teil eines heterogenen Ansatzes für die Datenverarbeitung. Bei bestimmten Arbeitslasten bieten FPGAs einen erheblichen Geschwindigkeitsvorteil gegenüber CPUs - in diesem Fall eine 50-fache Beschleunigung bei maschinellen Lernverfahren.

50x schneller als CPU

Flexibilität bei der Anpassung der Anwendung

FPGAs verfügen über eine Reihe von Tools zur optimalen Anpassung an die Anwendung. Die Hardware-Fabric passt sich so an, dass nur das verwendet wird, was benötigt wird, einschließlich gehärteter Gleitkommablöcke, falls erforderlich. Für die Gewichte von BWNN haben wir nur ein einziges Bit plus einen mittleren Skalierungsfaktor verwendet und trotzdem eine akzeptable Genauigkeit erreicht, wobei wir erhebliche Ressourcen eingespart haben.

Energie-Effizienz

Die Leistung pro Watt ist nicht nur am Rande wichtig, sondern auch im Energiebudget von Rechenzentren, sowohl was den Platz als auch die Energiekosten betrifft. FPGAs können auf einzigartige Weise die neuesten effizienten Bibliotheken bereitstellen, und das bei weitaus geringerem Stromverbrauch pro Watt als CPUs.

Software-basierte Entwicklung

Mit dem exklusiven, optimierten OpenCL-BSP von BittWare können Sie sowohl auf softwareorientierte Entwickler als auch auf die neuesten Softwarebibliotheken zurückgreifen. So konnten wir das YOLOv3-Framework schnell anpassen, das eine bessere Leistung als ältere ML-Bibliotheken bietet.

Tieferes Eintauchen in HPC

Lesen Sie das 2D FFT White Paper

Sehen Sie, wie HBM2 eine 2D-FFT-Anwendung mit unserer 520N-MX-Karte beschleunigt

Lesen Sie das 2D FFT White Paper

Hier klicken

Lesen Sie das BWNN-Weißbuch

Erfahren Sie, wie wir OpenCL verwendet haben, um das YOLOv3-Framework für maschinelles Lernen an eine unserer FPGA-Karten anzupassen

Lesen Sie das BWNN-Weißbuch

Hier klicken

Anwendungen

Wir zielen auf Anwendungen ab, bei denen der Bedarf an Speicherplatz die traditionellen Architekturen mit CPUs übersteigt.

Künstliche Intelligenz/Maschinelles Lernen Inferenz

Wissenschaftliche Simulationen

Bild-/Videoverarbeitung

Modellierung der Teilchenphysik

Gen-Sequenzierung

Molekulare Dynamik

Wann werden FPGAs für HPC eingesetzt?

Mit FPGAs können Kunden anwendungsspezifische Hardware-Implementierungen erstellen, die die folgenden Eigenschaften aufweisen:

Zwei Kunden verwenden BittWare-Karten im HPC

Video abspielen
Video abspielen

Haben Sie eine Frage?

Erhalten Sie Antworten auf Ihre HPC-Fragen von unseren technischen Mitarbeitern.