配备 AMD VU9P FPGA 的 XUP-P3R PCIe 卡
PCIe FPGA 卡 XUP-P3R AMD UltraScale+ 3/4 长 PCIe 板 4x 100GbE 和高达 512GB DDR4 需要报价？跳转至定价表格
性能
为什么使用FPGA进行计算加速？
客户越来越多地部署异质 平台，其特点是混合互补的技术协同工作。
FPGA为一系列HPC应用提供了高性能、工作负载灵活性 和高能效操作。
CORE FPGA对HPC的好处
近年来，FPGA在HPC方面的价值主张已经大大加强。
正如我们的BWNN白皮书所展示的，这些都是出现的关键优势：
性能 加速
与CPU一起工作，FPGA提供了异质计算方法的一部分。对于某些工作负载，FPGA提供了相对于CPU的显著加速--在这种情况下，机器学习推理的速度提高了50倍。
应用定制的灵活性
FPGA有一系列的工具，可以最好地满足应用的需要。硬件结构适应于只使用需要的东西，包括在需要时使用硬化的浮点块。对于BWNN的权重，我们只用了一个比特，加上平均缩放系数，仍然达到了可接受的精度，但节省了大量资源。
能源效率
每瓦的功率不仅在边缘地区很重要，而且在数据中心的空间和电力成本方面都在电力预算中。FPGA可以独特地提供最新的高效库，但每瓦特的功率却远远低于CPU。
基于软件的开发
通过BittWare独家优化的OpenCL BSP，你既能利用面向软件的开发人员，又能利用最新的软件库。这使我们能够迅速适应YOLOv3框架，该框架的性能比旧的ML库有所提高。
深入了解HPC
阅读《二维FFT白皮书
看看HBM2如何帮助加速使用我们520N-MX卡的2D FFT应用
阅读《二维FFT白皮书
点击这里
阅读BWNN白皮书
了解我们如何使用OpenCL将YOLOv3机器学习框架应用到我们的一块FPGA卡中
阅读BWNN白皮书
点击这里应用
我们的目标是当处理存储的需求超过以CPU为特征的传统架构时的应用。
人工智能/机器学习推理
科学模拟
图像/视频处理
粒子物理建模
基因测序
分子动力学
何时将FPGA用于HPC
FPGA允许客户创建特定应用的硬件实现，并表现出以下特性：
- 高度并行的实现方式
- 不利于缓存的内存访问模式
- CPU或GPU本身不支持的数据类型
- 低延时或确定性的操作
- 需要与外部I/O接口
两个在HPC中使用BittWare卡的客户
播放视频
播放视频
浏览我们的计算加速产品
购买预先与TeraBox集成的卡片
有问题吗？
从我们的技术人员那里获得对你的HPC问题的答案。
