Zadbaj o przyszłość swojego centrum przetwarzania danych dzięki wbudowanemu przyspieszeniu działania sztucznej inteligencji. Tylko dzięki technologiom Intel.
Nowe skalowalne procesory Intel® Xeon® drugiej generacji z technologią Intel® Deep Learning Boost (Intel® DL Boost) przyspieszają nawet 30-krotnie wnioskowanie sztucznej inteligencji, maksymalizując korzyści z poczynionej inwestycji1.
Informacje. Teraz na żądanie.
Błyskawicznie formułuj nowe wnioski z zebranych danych.
Zaawansowana analiza
Zaawansowana analiza zmienia przedsiębiorstwo przez nowe odkrycia, lepszą obsługę klienta oraz nowe usługi i produkty. Dowiedz się, jak przeprowadzać analizy w pamięci trwałej Intel® Optane™ DC.
Więcej informacji
Sztuczna inteligencja
Sztuczna inteligencja (SI) prowadzi do przełomowych odkryć, z których korzystają firmy i ich klienci. Dowiedz się, jak uzyskać wymierne korzyści z wdrożenia teorii sztucznej inteligencji dzięki zastosowaniu technologii uczenia głębokiego.
Więcej informacji
HPC
Skróć czas wprowadzania innowacji, wykorzystując infrastrukturę HPC do obsługi sztucznej inteligencji w trzech krokach.
Przeczytaj informacje o rozwiązaniu
Zmodernizuj swoją architekturę
Wygraj w epoce przetwarzania danych dzięki przełomowej technologii Intel®.
Chmura wirtualna
Dowiedz się, jak zbudować zwirtualizowaną infrastrukturę, aby jak najlepiej wykorzystać zasoby oparte na chmurze i stworzyć płynnie działającą platformę w środowiskach chmury publicznej i prywatnej.
Przeczytaj przewodnik
Chmurowej
Przetwarzanie w chmurze zapewnia elastyczność i bezpieczeństwo, których firma potrzebuje do szybkiego wprowadzania innowacji. Potrzebujesz pomocy w ustaleniu optymalnego miejsca do przetwarzania zadań w chmurach prywatnych i publicznych?
Więcej informacji
Skalowalne procesory Intel® Xeon®
Optymalizacja pod kątem obciążeń wspiera wymagające aplikacje i daje dostęp do praktycznych informacji.
Technologia Intel® Optane™
Nowatorska pamięć klasy premium, która na nowo definiuje proces tworzenia i użytkowania komputerów.
Rozwiązanie Intel® Select
Uprość i przyspiesz wdrażanie infrastruktury centrum przetwarzania danych.
Uwagi i zastrzeżenia:
Oprogramowanie i obciążenia wykorzystane w testach wydajności mogły zostać zoptymalizowane do wydajnego działania tylko na mikroprocesorach Intel®. Testy wydajności, takie jak SYSmark* i MobileMark*, mierzą wydajność określonych systemów komputerowych, podzespołów, oprogramowania, operacji i funkcji. Jakakolwiek zmiana wyżej wymienionych czynników może spowodować uzyskanie innych wyników. Aby wszechstronnie ocenić planowany zakup, w tym wydajność danego produktu w porównaniu z konkurencyjnymi, należy zapoznać się z informacjami z innych źródeł oraz innymi testami wydajności. Więcej informacji można znaleźć na stroniehttp://www.intel.pl/benchmarks.
Wyniki wydajności są oparte na testach z dni wskazanych w szczegółach konfiguracji i mogą nie uwzględniać wszystkich publicznie dostępnych aktualizacji zabezpieczeń. Więcej informacji zawiera zastrzeżenie dotyczące konfiguracji. Żaden produkt ani komponent nie jest całkowicie bezpieczny.
Kompilatory firmy Intel nie zawsze optymalizują w tym samym stopniu procesory innych firm w przypadku tych optymalizacji, które nie są specyficzne dla procesorów Intel®. Optymalizacje te dotyczą między innymi zestawów instrukcji SSE2, SSSE3 i SSE3. Firma Intel nie gwarantuje dostępności, funkcjonalności czy skuteczności każdej optymalizacji w przypadku procesorów wyprodukowanych przez inne firmy. Optymalizacje zależne od mikroprocesora dla tego produktu dotyczą wyłącznie mikroprocesorów Intel®. Niektóre optymalizacje niespecyficzne dla mikroarchitektury Intel® są zarezerwowane dla mikroprocesorów Intel®. Więcej informacji dotyczących konkretnych zestawów instrukcji omawianych w niniejszym ogłoszeniu można znaleźć w materiałach informacyjnych i podręcznikach użytkownika właściwych dla produktu. Nr wersji informacji: 20110804.
Opisane scenariusze obniżenia kosztów mają stanowić przykłady na to, jak dany produkt oparty na technologiach Intel® może w określonych warunkach i konfiguracjach wpłynąć na generowanie kosztów oraz zapewnić oszczędności. Warunki mogą ulec zmianie. Firma Intel nie gwarantuje żadnych poziomów kosztów ani ich obniżenia.
Technologia Intel® Advanced Vector Extensions (Intel® AVX) zapewnia wyższą przepustowość niektórych operacji wykonywanych przez procesor. Ze względu na różne parametry energetyczne korzystanie z instrukcji AVX może spowodować, że a) niektóre części będą pracować poniżej częstotliwości znamionowej i b) niektóre części wyposażone w technologię Intel® Turbo Boost 2.0 nie osiągną żądanej bądź maksymalnej częstotliwości turbo. Wydajność może być inna od podanej w zależności od konfiguracji sprzętu, oprogramowania i systemu. Więcej informacji można znaleźć na stronie https://www.intel.pl/content/www/pl/pl/architecture-and-technology/turbo-boost/turbo-boost-technology.html.
Firma Intel nie sprawdza i nie weryfikuje danych podawanych przez strony trzecie lub dostępnych na stronach internetowych wymienianych w niniejszym dokumencie. Aby potwierdzić dokładność tych danych, należy odwiedzić strony internetowe, do których się odnoszą.
Informacje o produktach i wydajności
Nawet 30-krotny wzrost przepustowości wnioskowania w przypadku procesora Intel® Xeon® Platinum 9282 z technologią Intel® Deep Learning Boost (Intel® DL Boost): testy przeprowadzone przez firmę Intel 26 lutego 2019 roku. Platforma: Dragon Rock, 2-gniazdowy procesor Intel® Xeon® Platinum 9282 (56 rdzeni na gniazdo), HT WŁ., technologia Turbo WŁ., pamięć całkowita: 768 GB (24 gniazda / 32 GB / 2933 MHz), system BIOS: SE5C620.86B.0D.01.0241.112020180249, CentOS 7, jądro 3.10.0-957.5.1.el7.x86_64, Deep Learning Framework: optymalizacja Intel® dla architektury Caffe*, wersja: https://github.com/intel/caffe d554cbf1, ICC 2019.2.187, wersja MKL DNN: v0.17 (commit hash: 830a10059a018cd2634d94195140cf2d8790a75a), model: https://github.com/intel/caffe/blob/master/models/intel_optimized_models/int8/resnet50_int8_full_conv.prototxt, BS=64, brak warstwy danych syntheticData: 3 × 224 × 224, 56 instancji / 2 gniazda, typ danych: INT8 w porównaniu do testów firmy Intel z 11 lipca 2017 r.: 2-gniazdowy procesor Intel® Xeon® Platinum 8180, 2,50 GHz (28 rdzeni), HT wył., technologia Turbo wył., mechanizm zarządzania skalowaniem ustawiony na „performance” w sterowniku intel_pstate, 384 GB pamięci RAM DDR4-2666 z funkcją ECC. CentOS Linux*, wersja 7.3.1611 (Core), jądro systemu Linux* 3.10.0-514.10.2.el7.x86_64. SSD: Seria dysków Intel® SSD Data Center S3700 (800 GB, 2,5 cala SATA 6 Gb/s, 25 nm, MLC). Wydajność zmierzono przy ustawieniach: zmienne środowiskowe: KMP_AFFINITY='granularity=fine, compact‘, OMP_NUM_THREADS=56, ustawienie częstotliwości procesora: cpupower frequency-set -d 2.5G -u 3.8G -g performance. Caffe: (http://github.com/intel/caffe/), revision f96b759f71b2281835f690af267158b82b150b5c. Wyciąganie wniosków zmierzono poleceniem „caffe time --forward_only”, szkolenie zmierzono poleceniem „caffe time”. W przypadku topologii „ConvNet” użyto syntetycznego zbioru danych. W przypadku pozostałych topologii dane przechowywano w lokalnej pamięci masowej i buforowano w pamięci operacyjnej przed szkoleniem. Dane techniczne topologii: https://github.com/intel/caffe/tree/master/models/intel_optimized_models(ResNet-50). Kompilator Intel® C++, wer. 17.0.2 20170213, małe biblioteki Intel® Math Kernel Library (Intel® MKL), wersja 2018.0.20170425. Caffe uruchomiono z parametrem „numactl -l”.