Высокопроизводительные вычислительные системы уже находят применение в технологиях High Bandwidth Memory (HBM) и Hybrid Memory Cube (HMC).
В этом направлении активно ведутся разработки.
Ученые из Болонского университета в конце января представили архитектуру вычислений в памяти (PIM), способную эффективно работать с глубокими сверточными нейронными сетями.
Он назывался «Нейрострим».
/ Фото Райан МакМиндс СС
В основе конструкции лежит перспективный тип компьютерной оперативной памяти (HMC) (Hybrid Memory Cube), который в рамках проекта получил название Smart Memory Cube, или SMC. Решение дополняется многоядерной платформой PIM NeuroCluster.
NeuroCluster имеет модульную конструкцию, основанную на сопроцессорах с плавающей запятой NeuroStream и RISC-V. Что интересно, только 8% кристаллов HMC используются для достижения производительности в 240 гигафлопс при потребление энергии на 2,5 Вт.
«Кубики памяти» имеют очень низкое энергопотребление, но способны справляться с задачами для сверточных сетей, — там написано в статье университетских ученых.
«Это освобождает ресурсы компьютерной логики для обработки других рабочих нагрузок».
Небольшое увеличение энергопотребления системы и небольшое увеличение занимаемой площади при масштабировании делает эту систему PIM экономичной и энергоэффективной, которую можно легко масштабировать до 955 гигафлопс с включением четырех SMC. Ученые сравнили возможности нового решения с вычислительной мощностью графического процессора Nvidia Tesla K40. Tesla K40 смогла реализовать 1092 гигафлопс при потребляемой мощности 235 Вт. Технология NeuroGrid достигла производительности 955 гигафлопс при мощности 42,8 Вт, что в 4,8 раза более энергоэффективно, чем графические процессоры.
Изображение : Сеть SMC и структурная схема одного из «кубов»
Более того, создатели Neurostream рассчитывают, что повысить энергоэффективность можно с помощью программных решений, а также выполнения арифметических операций пониженной точности.
По мнению ученых, это может снизить потребление энергии на 70%.
Более подробную информацию о решении можно найти в статья сотрудники Болонского университета.
Далее в своей работе исследователи планируют изучить возможность реализации системы с четырьмя блоками NeuroCluster, которая будет использоваться для мониторинга процесса обучения сетей.
P.S. Вот о чем еще мы пишем в блоге нашего проекта 1cloud:
- Как сейчас используются нейросети: от научных проектов до развлекательных сервисов
- Немного о VPN: Краткий обзор программных реализаций
- Как защитить систему Linux: 10 советов
- Подборка материалов об облаках, дата-центрах и разработке сервисов
- Как узнать, из чего состоит SSL-сертификат?
- Тенденции облачной безопасности
Высокопроизводительные вычислительные системы уже находят применение в технологиях High Bandwidth Memory (HBM) и Hybrid Memory Cube (HMC).
В этом направлении активно ведутся разработки.
Ученые из Болонского университета в конце января представили архитектуру вычислений в памяти (PIM), способную эффективно работать с глубокими сверточными нейронными сетями.
Он назывался «Нейрострим».
/ Фото Райан МакМиндс СС
В основе конструкции лежит перспективный тип компьютерной оперативной памяти (HMC) (Hybrid Memory Cube), который в рамках проекта получил название Smart Memory Cube, или SMC. Решение дополняется многоядерной платформой PIM NeuroCluster.
NeuroCluster имеет модульную конструкцию, основанную на сопроцессорах с плавающей запятой NeuroStream и RISC-V. Что интересно, только 8% кристаллов HMC используются для достижения производительности в 240 гигафлопс при потребление энергии на 2,5 Вт.
«Кубики памяти» имеют очень низкое энергопотребление, но способны справляться с задачами для сверточных сетей, — там написано в статье университетских ученых.
«Это освобождает ресурсы компьютерной логики для обработки других рабочих нагрузок».
Небольшое увеличение энергопотребления системы и небольшое увеличение занимаемой площади при масштабировании делает эту систему PIM экономичной и энергоэффективной, которую можно легко масштабировать до 955 гигафлопс с включением четырех SMC. Ученые сравнили возможности нового решения с вычислительной мощностью графического процессора Nvidia Tesla K40. Tesla K40 смогла реализовать 1092 гигафлопс при потребляемой мощности 235 Вт. Технология NeuroGrid достигла производительности 955 гигафлопс при мощности 42,8 Вт, что в 4,8 раза более энергоэффективно, чем графические процессоры.
Изображение : Сеть SMC и структурная схема одного из «кубов»
Более того, создатели Neurostream рассчитывают, что повысить энергоэффективность можно с помощью программных решений, а также выполнения арифметических операций пониженной точности.
По мнению ученых, это может снизить потребление энергии на 70%.
Более подробную информацию о решении можно найти в статья сотрудники Болонского университета.
Далее в своей работе исследователи планируют изучить возможность реализации системы с четырьмя блоками NeuroCluster, которая будет использоваться для мониторинга процесса обучения сетей.
P.S. Вот о чем еще мы пишем в блоге нашего проекта 1cloud:
- Как сейчас используются нейросети: от научных проектов до развлекательных сервисов
- Немного о VPN: Краткий обзор программных реализаций
- Как защитить систему Linux: 10 советов
- Подборка материалов об облаках, дата-центрах и разработке сервисов
- Как узнать, из чего состоит SSL-сертификат?
- Тенденции облачной безопасности
-
Механизм Starcraft Ii От Razer
19 Oct, 24 -
Dagazserver: Знакомьтесь, Гарбо Чесс
19 Oct, 24 -
Google Chrome 32 Релиз
19 Oct, 24
