6SN1118-0DH21-0AA1
发布时间：2019-03-05 14:27:49点击率：
赛灵思FPGA VS. 英特尔集成式MCM CPU+FPGA
赛灵思全球战略 副总裁Steve Glaser认为，在代表应用广度的横轴和加速器利用率的纵轴所组成的象限图中，赛灵思池化FPGA在超大规模网络应用方面已经 ；英特尔注意到FPGA的优势，但其集成式MCM CPU+FPGA目前只能解决中小企业的问题。
问题二：赛灵思FPGA VS. 英伟达GPU
面对日益火爆的GPU，Steve指出，GPU和定制ASIC在应用广度方面与FPGA相比远远不足；
以机器学习加速为例，使用神经网络分类图像、翻译文本和语音、识别无结构数据中的底层模式，需要“两阶段”法。
阶段（培训），使用海量加标记的样本数据和计算培训神经网络，英伟达GPU擅长的这一领域只占机器学习5%的市场规模。
一旦网络培训完成，便进入第二个阶段（推断），通过受训的神经网络处理新数据样本或查询，以确定其可能的级别。这一占机器学习加速90%的市场正是赛灵思FPGA角逐的天下。
推断是当今 大规模数据中心中的一个巨大的工作负载，因为它负责实现广泛的日益扩展的重要应用，例如语言翻译、自然语言接口、照片和视频内容识别，以及网上产品选择与促销。其中两个 大的人工智能市场分别是无人驾驶汽车和机器人。
而赛灵思池化FPGA将机器学习推断计算效率提升了2-6倍。
6SN1118-0DH21-0AA1
基于OpenPOWER的关键深度学习框架的重大更新
作为对我们 深度学习框架的重要回应，我们已经做出重大的更新，刷新了所有如今的OpenPOWER可用框架，可以作为预构建的二进制库，已经针对GPU加速进行了优化：
●?Caffe，一种专用的人工神经网络(ANN)培训环境，由加州大学伯克利分校伯克利视觉和学习中心开发而成，现在提供两种版本：来自UCB BVLC前沿的Caffe开发版本，以及对Caffe版本调整后的Nvidia，可以使用GPU提供更高的可扩展性。
● Torch，一种由多种ANN模块（基于可扩展数学库构建而成）组成的框架。
● Theano，另一种由多种ANN模块（基于可扩展数学库构建而成）组成的框架。
更新后的深度学习软件发布版本还包括DIGITS，这是一种图形用户界面，能让用户使用Caffe和Torch深度学习框架即时提高生产能力。
我们一如既往地确保这些环境由那些编译自有二进制的 的源代码库构建而成。
新发布版本，新的性能水平
新发布版包括所有重大领域的重要性能增强：
●?OpenBLAS线性代数库包括了性能增强，充分利用POWER矢量-标量指令集的优势可以将POWER CPU的速度提高数倍。
●适用于Linux的数学加速子系统(MASS)高性能数学库可以提供可以自由分配的格式且免费使用，加速认知和其它Linux应用，充分挖掘数学算法优化和 POWER处理器的 进展，特别是POWER矢量-标量指令集。
●?cuDNN?v5.1支持在Power运行Linux的认知应用，可以全面利用 GPU功能和全新的GPU加速器优势。
希望开始入门或升级到 版本的MLDL框架，请下载安装指令。
点击“这里”查看原文链接