ウェビナー登録：コンピュテーショナル・ストレージアクセラレーション データとの距離を縮める
BittWare オンデマンドウェビナー Computational Storage：アクセラレーション をデータに近づける 高性能ストレージは、アクセラレーション がストレージに近づき、従来のフォームファクターが変わるにつれて変化しています。
パフォーマンス
なぜFPGAをComputeに使うのかアクセラレーション?
お客様は、補完的な技術を組み合わせて協調動作させる異機種混合の プラットフォームを導入することが多くなっています。
FPGAは、さまざまなHPCアプリケーションに対して、高い性能、ワークロードの柔軟性 、エネルギー効率の高い動作を提供します。
HPC における CORE FPGA のメリット
HPCにおけるFPGAの価値提案は、ここ数年で大きく強化されています。
これらは、BWNNのホワイトペーパーで実証されたように、重要な利点です：
パフォーマンス アクセラレーション
FPGAはCPUと並んで、コンピューティングのヘテロジニアス・アプローチの一翼を担っています。特定のワークロードでは、FPGAはCPUに対して大幅なスピードアップを実現します（この例では、機械学習の推論を50倍高速化）。
アプリケーションテーラリングへの柔軟な対応
FPGAには、アプリケーションに最適に調整するためのさまざまなツールがあります。ハードウェアファブリックは、必要なものだけを使用するように適応し、必要な場合は硬化浮動小数点ブロックを含みます。BWNNの重みについては、1ビットと平均スケーリングファクターのみを使用し、許容できる精度を達成しながらも、リソースを大幅に削減することができました。
エネルギー効率
ワットあたりの消費電力はエッジで重要なだけでなく、スペースと電力コストの両面でデータセンターのパワーバジェットに含まれます。FPGAは、最新の効率的なライブラリをユニークに提供でき、しかもCPUよりもはるかに低いワットあたりの電力で実現できます。
ソフトウェアベースの開発
BittWare'独自の最適化されたOpenCL BSPを使用することで、ソフトウェア指向の開発者と最新のソフトウェアライブラリの両方を利用することができるようになりました。これにより、古いMLライブラリよりも性能が向上したYOLOv3フレームワークを迅速に適応させることができました。
HPCの深層に迫る
2D FFTホワイトペーパーを読む
520N-MXカードを使用したHBM2による2D FFTアプリケーションの高速化についてご覧ください。
2D FFTホワイトペーパーを読む
こちらをクリックしてください。
BWNNホワイトペーパーを読む
OpenCLを使用して、YOLOv3機械学習フレームワークを当社のFPGAカードに適応させた方法をご紹介します。
BWNNホワイトペーパーを読む
こちらをクリックしてください。アプリケーション
CPUを中心とした従来のアーキテクチャに比べ、ストレージ処理への要求が高いアプリケーションを対象としています。
人工知能/機械学習 推論
科学的シミュレーション
画像・映像処理
素粒子物理モデリング
遺伝子配列決定
分子動力学
HPCにFPGAを使用する場合
FPGAを使用することで、お客様は以下のような特性を持つアプリケーション固有のハードウェア実装を作成することができます：
- 高度に並列化された実装
- キャッシュフレンドリーでないメモリアクセスパターン
- CPUやGPUでネイティブにサポートされていないデータ型
- 低遅延または決定論的な動作
- 外部I/Oへのインターフェイスの必要性
BittWare カードをHPCで利用する2つのお客様
Computeアクセラレーション 製品を見る
TeraBoxと統合されたカードを購入する。
ご質問はございませんか？
HPCに関する質問に、技術スタッフがお答えします。
