大数据和呆板进修AI芯片：GPU vs FPGA 云和当地陈设的艰巨选择
|
副问题[/!--empirenews.page--]
GPU和FPGA怎样辅佐执行数据麋集型使命，譬喻操纵，说明和呆板进修，以及有哪些选择？ 应用措施和基本架构在慢慢成长。这是人工智能再生的期间，基本办法既可以使人工智能应用措施领略天下，也可以不绝成长以更好地满意需求。 凡是环境下，我们已经假想了为AI应用措施提供动力的新基本架构，而且在它完全成熟之前给出了名称 ------ Infrastructure 3.0。我们也开始试探仓库中多方面构成部门，包罗哪些明明的、不那么明明的，以及其他部门。 为了易于叙述，本文将聚焦“具有很多计较焦点和高带宽内存的专用硬件”，简称AI芯片。我们来看看这些AI芯片如安在数据库和说明以及呆板进修（ML）方面使以数据为中心的使命受益。 让我们从GPU和FPGA来开启这篇文章的先容。 GPU 图形处理赏罚单位（GPU）已经存在了一段时刻。最初计划是用于满意快速渲染的需求，首要用于游戏行业，GPU的架构已被证明可以或许与呆板进修精采匹配。 GPU的并行处理赏罚，这也是CPU可以做的工作，但与通用CPU相反，GPU的专业性使它们可以或许跟上摩尔定律的速率继承成长。Nvidia是GPU规模的首要参加者，最近公布了一套基于Turing架构的新GPU。 为停止裁减，新的Nvidia GPU现实上带来了图形渲染的改造。可是，更重要的是，为了契合需求，他们网络了Tensor Cores，这是该公司专门的呆板进修架构，并先容了NGX。NGX是一种技能，正如Nvidia所说，它将人工智能引入图形管道：“NGX技能带来了诸如回收尺度摄像机输入和建设超等慢举措等成果，就像你行使一个代价10万美元以上的专用摄像机那样。” 人们一样平常不会对通用呆板进修（ML）感乐趣，但新Nvidia卡的成果必定能引起人们的存眷。然而，它的价值也反应了产物的高端品格，从2.5K到10K美元不等。
GPU可以极大地加快事变负载，这些事变负载可以解析，并行执行，与CPU协同事变。图片：SQream。 可是，操作GPU，不只必要硬件架构 ---- 它还必要软件。对付Nvidia来说，这是有利的竞争身分，而对付像AMD这样的竞争者来说却显然倒霉。Nvidia在行使GPU举办呆板进修应用方面遥遥领先的缘故起因在于行使GPU所需的库（CUDA和cuDNN）。 AMD固然也有一个可以与AMD GPU一路行使的更换软件层，称为OpenCL，但它的成熟度和支持措施与Nvidia的库另有差距。AMD正在全力迎头遇上，它也在硬件方面睁开机关。 为了从AI芯片中受益，AMD所需的投资超出了硬件。急切必要一个位于这些芯片之上的软件层，以优化在其上运行的代码。没有它，它们险些无法行使。可是，这也必要行使者进修怎样行使这一层。 上面，我们已经提到GPU怎样成为ML事变负载的首选AI芯片。最受接待的ML库支持GPU - Caffe，CNTK，DeepLearning4j，H2O，MXnet，PyTorch，SciKit和TensorFlow等。除了必要相识每个库的细节之外，凡是还必要构建GPU情形。 至于平凡的数据操纵和说明 -----GPU数据库方面，已经开拓出一类新的数据库体系，其方针是操作GPU并行性，将现成硬件的上风带入主流应用措施开拓。这个规模可以选择BlazingDB，Brytlyt，Kinetica，MapD，PG-Strom和SQream。 FPGA 现场可编程门阵列（FPGA）并不是新的产物----自80年月起就存在。它们背后的首要头脑是，与其他芯片相反，可以按需从头设置。读者也许更想知道这是怎样实现的，怎样更专业化，以及有什么用处。 FPGA可以简朴地被以为是包括初级芯片基本的电路板，譬喻AND和OR门。凡是行使硬件描写说话（HDL）指定FPGA设置。行使此HDL，可以以切合特定使命或应用措施要求的方法设置基本架构，实质上是仿照特定应用集成电路（ASIC）。 因为必需通过HDL为每个差异的应用措施从头编程，芯片听起来很伟大。因此，软件层至关重要。按照Tirias Research首席说明师Jim McGregor的说法，“构建FPGA的器材集有些迂腐。Nvidia在行使GPU时很好地操作了CUDA说话。操作FPGA，如故是一种有用构建算法的黑马。”
英特尔很是重视FPGA，也许是为了补充其在GPU中落伍的大势。但FPGA软件层还没有GPU那样成熟。图像：英特尔 但上面这种环境正在清静产生改变。最初是英特尔对FPGA暗示了乐趣，收购了Altera（要害的FPGA制造商之一）。这也许是英特尔推进AI芯片天下的计谋，这一点在与GPU竞争中处于劣势之后将变得越来越重要。可是，抛开伟大性，FPGA有竞争力吗？ 英特尔最近宣布了针对NVIDIA Titan X Pascal GPU在两代英特尔FPGA（英特尔Arria10和英特尔Stratix 10）上评估新兴深度进修（DL）算法的研究成就。这项研究的要点是，当行使紧充数据范例与完备32位浮点数据（FP32）时，英特尔Stratix 10 FPGA优于GPU。 这意味着只要行使低精度数据范例，英特尔的FPGA就可以与GPU竞争。听起来很糟糕，但它现实上是DL的新兴趋势。来由是简化计较，同时保持可较量的精确性。 将FPGA用于呆板进修（ML）有光亮远景。然而，本日，成长并不是那么顺遂。在验证McGregor的声明时，好像没有一个支持FPGA的ML库开箱即用。今朝正在开展行使TensorFlow实现FPGA的事变，但除此之外险些没有什么其他器材。 然而，在数据操纵和说明方面，环境有所差异。最近，英特尔展示了其与FPGA加快说明相助的一些相助搭档。 Swarm64看有望为PostgreSQL，MariaDB和MySQL加快12次。其它，rENIAC可以提供Cassandra的13倍加快版本，以及Algo-Logic及其定制键值存储。 在云端和当地陈设中决议 选用何种新兴技能很难决议，硬件也不破例。项目研发中，是应该构建本身的基本架构，照旧行使云？是应该比及产物变得越发成熟再行使，照旧当纵然用产物，成为早期回收者而受益？是选择GPU，照旧FPGA？是选择哪个GPU或FPGA供给商？ （编辑：湖南网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
