平行運算全攻略 (57174) - 癮科技

最新 | 熱門

Intel以單組類神經網路處理器滿足深度學習需求向GPU加速運算模式叫陣

Intel計畫推出系列Nervana處理器產品，並且預計在2020年讓深度學習運算表現提昇數百倍規模。在華爾街日報舉辦的D.Live科技論壇大會上，Intel執行長Brian Krzanich宣布推出針對人工智慧技術發展與深度學習應用打造的類神經網路處理器 (NNP)Nervana。以先前收購的Nervana平台為基礎，Intel強調Nervana類神經網路處理器將帶來更高運算效能，並且足以對應如同目前市場常見CPU+GPU的平行運算架構所提供運算效能及執行效率，透過單組處理器即可完成眾多運算事項，同時也能降低深度學習硬體架構複雜度，同時簡化電腦電路設計所佔據體積、電力損耗等。根據Int

Mash Yang

AMD Open Compute 計畫 ROCm 邁入 1.3 版，開始支援 Polaris 架構

AMD 在 2015 年的 SC15 大會開始提出 Open Computing 的計畫，希望藉由開源的方式推廣 GPU 加速的異質運算，同時賦予此計畫 ROCm ( Radeon Open Compute Platform )的名稱，歷經一年左右的時間也在 SC16 大會公布了最新的 ROCm 1.3 ，主要也加入最新的 Polaris 架構 GPU 的支援。ROCm 計畫的宗旨仍舊是希望藉由開放平台的方式藉此推廣 Radeon GPU 於異質運算的應用，故除了 AMD 的 Fiji 、 Hawaii 以及 Polaris 架構 GPU 以外，可與包括 AMD 、 Intel 等 x86 C

Chevelle.fu

麗臺 WinFast GS4820 GPU 解決方案為清大反應器製程運算分析挹注 8 倍效率

藉由 GPU 加入平行運算架構、使運算效能大幅提升已經是在科學業界廣被接受的趨勢，而致力於反應器系統設計與生產製程改善研究的清華大學化學工程系也宣布在化工系製程資訊實驗室導入基於平行運算的系統，為搭載 NVIDIA Tesla K80 GPU 之麗臺科技 WinFast GS4820 伺服器，相較過往的系統提升最高 8 倍運算力，使過往需要一個月的開發案可縮短至一周內完成。WinFast GS4820 採用雙 Xeon E5-2600 v4 處理器搭配最高 8 張 Tesla GPU ， RAM 可擴充到 3TB ，同時具有 24 個硬碟儲存槽，網路可升級到 10GbE 接口，同時藉由鈦金級

Chevelle.fu

強調開源策略， AMD Radeon 繪圖事業群針對 GPUOpen 與 Linux 宣布三項開源計畫

AMD 自成立 Radeon 繪圖技術事業群之後也積極的發展開源運算，近期更針對 GPUOpen 以及 Linux 開源政策宣布三項 GPUOpen 計畫更新，包括針對遊戲、異質運算編輯器以及針對 HPC 叢集系統需求的 Linux 驅動與運作環境。在遊戲方面， Radeon 繪圖技術事業群仍延續先前 Mentle API 的策略，使 PC 開發者能享受到如遊戲機由底層權限帶來的更精確效能控制，並藉由 GPUOpen 協助開發者由主機開發的資源投入 PC 遊戲開發，包含能使開發者直接使用 GPU 硬體的 CTM ( Close-to-the-metal )程式設計，能獲得開源效果、工具、函式庫

Chevelle.fu

Facebook 開源深度學習機器 Big Sur 採用 NVIDIA Tesla M40 ，比現行平台提升兩倍

圖片來源： FacebookFacebook 宣布在全新的 Big Sur 運算平台導入 NVIDIA Telsa M40 加速卡，藉此作為機器神經網路的硬體基礎架構，且相較 Facebook 現行的深度學習平台， Big Sur 的速度快了兩倍，不僅加倍神經網路訓練數量，還助於發展更精確的模組與進階應用。同時 Big Sur 也是首個開放原始碼的 AI 運算架構，藉由與 Open Computer Project 以及其它合作夥伴，希望透過開放原始碼的方式使全球的 AI 研究人員能更方便的分享與改造技術，使基於 GPU 的機器學習能更為多元發展。而 Facebook 也成為首個訓練深度神經網

Chevelle.fu

微軟應該要感謝大家鼎力支持 How-Old.net ，因為他們因此獲得可觀的深度學習素材(更新：微軟強調不會保存與分享使用者上傳照片但保留分析資料)

微軟上週推出了基於機器學習的 How-Old.net 照片年齡分析服務，相信不少人也都玩的不亦樂乎吧？不過在大家對微軟推出這樣的服務感到新奇有趣時，微軟才真的是最該感謝上傳所有照片的使用者，因為機器學習的基礎，就是大量的有效素材。在今年 NVIDIA 舉辦的 GTC 活動當中，基於機器學習的深度學習 Deep Learning 議程是相當火熱的主要議題，而且可說今年在 GTC 所宣布的所有產品、技術，都與深度學習環環相扣；由於 2012 年深度學習被實證在技術上因平行運算得以突破，故被視為機器學習當中的顯學，也在這一兩年持續突破，幾乎各大網路服務都投入深度學習的技術開發。更新微軟聲明：微軟到底

Chevelle.fu

Computex 2014 ： ARM 伺服器生態醞釀四年，軟體、硬體並行開發提供市場及時可用的設備

ARM 在 Computex 針對伺服器的媒體座談由 ARM 數據中心架構師 Darren Cepulis (照片中)、消費暨行動運算市場總監總監 Jeff Chu (照片左)以及嵌入式平台副總裁 Charlene Marini (照片右)三人共同接受採訪。ARM 的伺服架構至今已經醞釀四年之久，且不光只是硬體架構，更從一開始就與系統開發商、設備商共同打造生態環境，目的就是在於當市場正式推出基於 ARM 架構的伺服器時，就馬上能有可用的作業系統與應用。ARM 目前所看準的伺服器市場是以雲端儲存相關的應用， ARM 預估 2018 年雲端儲存設備會有超過 800 億的產值， ARM 希望透過基於

Chevelle.fu

GTC 2014：後記，大數據、資料分析與機器學習

今年的NVIDIA GTC 的主題演講上，執行長黃仁勳花了不少的時間講述機器學習；機器學習在近年成為許多大規模企業的必修課程，許多網路公司開始聘請專業團隊進行機器學習的研究，如同主題演講提到Google 也已經著手大腦的模擬開發。機器學習是甚麼？簡單說就是透過反覆接收資訊的方式，讓機器去進行學習的行為。這樣的概念可以追溯到如汽車的學習型自動變速箱，透過接收駕駛踩油門習慣的資訊，逐漸調整變速箱換檔的方式；而機器學習到了當今的網際網路時代，又產生新的定義。網路時代的機器學習，是建立在以大數據為基礎的模式，並且結合資料分析的方式，以模擬人的感官為目標的機器學習。網路時代的機器學習與早期的封閉式機器學

Chevelle.fu

基於與 GTX 780 Ti 同樣的 GK110 晶片，NVIDIA 發表 GeForce GTX TITAN BLACK

NVIDIA 去年推出一款介於消費級顯示卡與專業繪圖卡之間的 GeForce GTX TITAN ，打著遊戲、運算兩相宜的設計成為一張獨特的產品；事隔約一年左右， NVIDIA 在宣佈解禁首款 Maxwell 架構 GPU 的 GM107 稍後，又發表新一代的 GTX TITAN BLACK 。GTX TITAN BLACK 並未導入 Maxwell 架構，而是採用與 GTX 780 Ti 同樣的 GK110 晶片，差異在於完整開啟專業運算與繪圖的功能支援， GK110 也是 Kepler 架構產品線最頂級的晶片，具備 2,880 個 CUDA 核心，搭配 6GB 的 384bit GDDR

Chevelle.fu

發揮 CPU 與 GPU 運算力，首款 HSA 架構的 AMD Kaveri APU 望能開創新局面

AMD 首款具備 HSA 異質運算結構的 APU 代號 Kaveri 在日前推出，相較過去的處理器產品， Kaveri 由於導入 hUMA 、 hQ 以及 GCN GPU 架構，在意義上真正實現使 CPU 與 GPU 擁有平等地位，不再是由 CPU 主導運算， AMD 今天也請到終端桌上型電腦資深產品行銷經理 Adam Kozak （左）以及軟體工程部門軟體策略資深經理 Terry Makedon （右）向台灣媒體正式介紹 Kaveri 。Kaveri 在基本架構使用 AMD 的 Steamroller CPU 架構搭配支援 DX 11.2 的 GCN GPU 架構，以 HSA 的概念， CP

Chevelle.fu

相關文章