Comments 12
Чет я не пойму, вы на ней не майните чтоле?
Нет
А что ещё на ней делать? Карточка получается дорогая, обмен заметно (раз в 6) медленнее gpu, производительность openCl где то такая же, обмен с локальной памятью тоже медленнее. Так зачем «это» нужно?
Вам могут рассказать, но после этого лет 5 придется наслаждаться исключительно курортами краснодарского края ;)
Спасибо, мне в Израиле хорошо.
На моих задачах реконструкции ст картинки, gpu быстрее чем fpga раз в десять, правда там много float32 и обмена с памятью. Просто стало интересно, а зачем люди вообще использую fpga в таком форм- факторе. Ну если секрет, то и ладно
На моих задачах реконструкции ст картинки, gpu быстрее чем fpga раз в десять, правда там много float32 и обмена с памятью. Просто стало интересно, а зачем люди вообще использую fpga в таком форм- факторе. Ну если секрет, то и ладно
По утверждению Xilinx, вычислитель на FPGA потребляет примерно в 7 раз меньше чем GPU. По моим осторожным подсчётам в масштабах среднего Data центра с потреблением в 20 МВт может получиться экономия порядка 100 миллионов рублей в год. А это перекрывает все затраты. По слухам, всё крупные компании, тип Google, Amazon, Microsoft, IBM двигаются в направлении применения FPAG в крупных Data центрах.
А такой форм-фактор позволяет установить плату в тонкий сервер. Тонкий именно по высоте, размер 1U.
А такой форм-фактор позволяет установить плату в тонкий сервер. Тонкий именно по высоте, размер 1U.
«В 7 раз меньше» и на каких вычислениях? У Вас линк есть? Я что то не нашёл :(
«По слухам» — как только рынок такого рода будет достаточно велик, добавят в gpu нужную операцию в железе и конец истории. Все таки fpga -это мелкосерийные задачи
«По слухам» — как только рынок такого рода будет достаточно велик, добавят в gpu нужную операцию в железе и конец истории. Все таки fpga -это мелкосерийные задачи
Точный линк не нашёл. Можно вот это посмотреть: www.xilinx.com/products/design-tools/software-zone/sdaccel.html
Да, если какая то функция станет массовой, как например тот же bitcoin, это сделают в железе, но скорее всего не в GPU а в ASIC. С bitcoin так и произошло.
А FPGA так и останется — как платформа для перепрограммируемых решений.
Да, если какая то функция станет массовой, как например тот же bitcoin, это сделают в железе, но скорее всего не в GPU а в ASIC. С bitcoin так и произошло.
А FPGA так и останется — как платформа для перепрограммируемых решений.
Зато я нашел:
Не в 7, а по утверждению самого Xilinx:
NVidia Tesla P4 209 GOP/s/W (INT8)
Xilinx Virtex® UltraScale+™ 277 GOP/s/W (INT8)
www.xilinx.com/support/documentation/white_papers/wp492-compute-intensive-sys.pdf
итого в 277/209 — 1.32 раза
Причем NVIDIA считает, что и них 22 TOPS (INT8) /75-Watt = 293 GOP/s/W
images.nvidia.com/content/pdf/tesla/184457-Tesla-P4-Datasheet-NV-Final-Letter-Web.pdf
Хотя безусловно ПЛМ имеют свою нишу применения и поддержка ими OpenCL сокращает время разработки.
Не в 7, а по утверждению самого Xilinx:
NVidia Tesla P4 209 GOP/s/W (INT8)
Xilinx Virtex® UltraScale+™ 277 GOP/s/W (INT8)
www.xilinx.com/support/documentation/white_papers/wp492-compute-intensive-sys.pdf
итого в 277/209 — 1.32 раза
Причем NVIDIA считает, что и них 22 TOPS (INT8) /75-Watt = 293 GOP/s/W
images.nvidia.com/content/pdf/tesla/184457-Tesla-P4-Datasheet-NV-Final-Letter-Web.pdf
Хотя безусловно ПЛМ имеют свою нишу применения и поддержка ими OpenCL сокращает время разработки.
Ссылку я пока не нашёл. Но вот есть такая статья: www.bertendsp.com/pdf/whitepaper/BWP001_GPU_vs_FPGA_Performance_Comp
Но в любом случае мне нужен собственный опыт сравнения GPU и FPGA. Но это будет позднее.
Но в любом случае мне нужен собственный опыт сравнения GPU и FPGA. Но это будет позднее.
Я её видел, но статья не слегка устарела.NVidia так просто рынок не уступит, о чём собственно я и говорил. Да и левое это исследование.
Int8 — собственно нужен для NN приложений и НВ его не упустит.
Впрочем НВ тоже хорошо лажают со своими карточками для критических по надежности приложений, я бы не стал с ними связываться… И суппорт у них так себе. Впрочем я работаю и с FPGA и GPU. Пока GPU выигрывает, по скорости и цене
Int8 — собственно нужен для NN приложений и НВ его не упустит.
Впрочем НВ тоже хорошо лажают со своими карточками для критических по надежности приложений, я бы не стал с ними связываться… И суппорт у них так себе. Впрочем я работаю и с FPGA и GPU. Пока GPU выигрывает, по скорости и цене
Sign up to leave a comment.
SDAccel — проверяем передачу данных