TeraBox 1400B Familie von 1U FPGA Servern, vier Karten, U.2 Speicher und AMD oder Intel CPU
FPGA Server TeraBox 1400B Familie Extreme Density Standard-Depth FPGA Server Wahlweise AMD EPYC 7002 Serie oder Intel 3rd Gen Xeon CPU Übersicht Auf der
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.
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.
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.
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.
Wir zielen auf Anwendungen ab, bei denen der Bedarf an Speicherplatz die traditionellen Architekturen mit CPUs übersteigt.
Mit FPGAs können Kunden anwendungsspezifische Hardware-Implementierungen erstellen, die die folgenden Eigenschaften aufweisen:
Erhalten Sie Antworten auf Ihre HPC-Fragen von unseren technischen Mitarbeitern.
"*" kennzeichnet Pflichtfelder
FPGA Server TeraBox 1400B Familie Extreme Density Standard-Depth FPGA Server Wahlweise AMD EPYC 7002 Serie oder Intel 3rd Gen Xeon CPU Übersicht Auf der
Entdecken Sie die Verwendung von oneAPI mit unserer 2D-FFT-Demo auf der 520N-MX-Karte mit HBM2. Stellen Sie sicher, dass Sie den Code-Download am Ende der Seite anfordern!
White Paper FPGA-Beschleunigung von Convolutional Neural Networks Übersicht Convolutional Neural Networks (CNNs) haben sich bei komplexen Bilderkennungsproblemen als äußerst effektiv erwiesen.
Wir untersuchen unser Referenzdesign für anhaltende 100 Gb/s-Erfassung für DDR4-Hosts über einen PCIe-Bus. Lesen Sie das White Paper und fordern Sie dann die App Note für noch mehr Details an!