컴퓨팅 가속

성능
+ 유연성
+ 효율성

컴퓨팅 가속화를 위해 FPGA를 사용하는 이유는 무엇인가요?

고객들은 상호 보완적인 기술을 혼합하여 함께 작동하는 이기종 플랫폼을 점점 더 많이 배포하고 있습니다.

FPGA는 다양한 HPC 애플리케이션을 위한 고성능, 워크로드 유연성 및 에너지 효율적인 작동을 제공합니다.

HPC를 위한 CORE FPGA의 이점

최근 몇 년 동안 HPC를 위한 FPGA 가치 제안이 크게 강화되었습니다.

BWNN 백서에서 확인할 수 있는 주요 이점은 다음과 같습니다:

성능 가속화

CPU와 함께 작동하는 FPGA는 컴퓨팅에 대한 이기종 접근 방식의 일부를 제공합니다. 특정 워크로드의 경우 FPGA는 CPU에 비해 상당한 속도 향상을 제공하며, 이 경우 머신 러닝 추론의 경우 50배 더 빠릅니다.

애플리케이션 맞춤 설정의 유연성

FPGA에는 애플리케이션에 가장 적합한 다양한 툴이 있습니다. 하드웨어 패브릭은 필요한 경우 강화된 부동 소수점 블록을 포함하여 필요한 것만 사용하도록 조정됩니다. BWNN의 가중치에는 단일 비트와 평균 스케일링 계수만 사용했으며, 여전히 허용 가능한 정확도를 달성하면서도 상당한 리소스를 절약했습니다.

에너지 효율성

와트당 전력은 엣지뿐만 아니라 데이터센터의 전력 예산에서 공간과 전력 비용 모두에 중요한 요소입니다. FPGA는 CPU보다 훨씬 낮은 와트당 전력으로 최신의 효율적인 라이브러리를 고유하게 제공할 수 있습니다.

소프트웨어 기반 개발

비트웨어의 최적화된 독점 OpenCL BSP를 사용하면 소프트웨어 지향적인 개발자와 최신 소프트웨어 라이브러리를 모두 활용할 수 있습니다. 이를 통해 이전 ML 라이브러리보다 성능이 향상된 YOLOv3 프레임워크를 빠르게 적용할 수 있었습니다.

HPC에 대해 자세히 알아보기

2D FFT 백서 읽기

HBM2가 520N-MX 카드를 사용하여 2D FFT 애플리케이션을 가속화하는 방법 알아보기

2D FFT 백서 읽기

여기를 클릭하세요

BWNN 백서 읽기

OpenCL을 사용하여 YOLOv3 머신 러닝 프레임워크를 FPGA 카드에 적용하는 방법을 알아보세요.

BWNN 백서 읽기

여기를 클릭하세요

애플리케이션

스토리지 처리 수요가 CPU를 사용하는 기존 아키텍처를 능가하는 애플리케이션을 대상으로 합니다.

인공 지능/머신 러닝 추론

과학 시뮬레이션

이미지/비디오 처리

입자 물리 모델링

유전자 염기서열 분석

분자 역학

HPC에 FPGA를 사용해야 하는 경우

FPGA를 통해 고객은 다음과 같은 특성을 나타내는 애플리케이션별 하드웨어 구현을 만들 수 있습니다:

고도의 병렬 구현
캐시 친화적이지 않은 메모리 액세스 패턴
CPU 또는 GPU에서 기본적으로 지원되지 않는 데이터 유형
짧은 지연 시간 또는 결정론적 작동
외부 I/O에 인터페이스해야 하는 경우

HPC에서 비트웨어 카드를 사용하는 두 고객사