為什麼使用 FPGA 進行計算加速?
客戶越來越多地部署 異構 平臺,這些平臺具有多種互補技術協同工作。
FPGA 為各種 HPC 應用提供 高性能、工作負載 靈活性 和高 能效 操作。
核心 FPGA 對高性能計算的優勢
近年來,面向 HPC 的 FPGA 價值主張 得到了顯著加強。
這些是BWNN白皮書中展示的關鍵優勢:
效能 加速度
FPGA 與 CPU 配合使用,是異構計算方法的一部分。對於某些工作負載,FPGA 提供了比 CPU 顯著的加速,在這種情況下,機器學習推理的速度提高了 50 倍。
應用定製靈活性
FPGA 具有一系列工具,可針對應用進行最佳定製。硬體結構適應僅使用所需的內容,包括在需要時使用強化浮點塊。對於BWNN的權重,我們只使用了一個比特,加上平均比例因數,仍然達到了可接受的精度,但節省了大量資源。
能源效率
每瓦功率不僅在邊緣很重要,而且在數據中心的空間和電力成本方面的功率預算中也很重要。FPGA 可以獨特地提供最新的高效庫,但每瓦功耗遠低於 CPU。
基於軟體的開發
借助BittWare獨家優化的 OpenCL BSP,您可以利用面向軟體的開發人員和最新的軟體庫。這使我們能夠快速調整 YOLOv3 框架,該框架比舊的 ML 庫提高了性能。
深入瞭解高性能計算
閱讀 2D FFT 白皮書
瞭解 HBM2 如何使用我們的 520N-MX 卡説明加速 2D FFT 應用
閱讀 2D FFT 白皮書
點擊這裡閱讀 BWNN 白皮書
了解我們如何使用 OpenCL 使 YOLOv3 機器學習框架適應我們的 FPGA 卡之一
閱讀 BWNN 白皮書
點擊這裡應用
當處理存儲的需求 超過 具有 CPU 的傳統架構時,我們針對應用程式。
人工智慧/機器學習推理
科學類比
圖像/視頻處理
粒子物理建模
基因測序
分子動力學
何時將 FPGA 用於高性能計算
FPGA 允許客戶建立具有以下特性的特定於應用的硬體實現:
- 高度並行的實現
- 對緩存不友好的記憶體訪問模式
- CPU 或 GPU 中本機不支援的數據類型
- 低延遲或確定性操作
- 需要連接到外部 I/O
兩個客戶在HPC中使用BittWare卡
播放視頻
播放視頻
流覽我們的計算加速產品
購買與 TeraBox 預先整合的卡
有問題嗎?
從我們的技術人員那裡獲取您的 HPC 問題的答案。
“*”表示必填欄位