天天看點

AMD重拳出擊人工智能

12月13日,AMD宣布計劃推出一系列人工智能産品,包括3款圖形加速卡,4款OEM機箱和一系列開源軟體。在這個新興市場中,Nvidia已經發展了一段時間,英特爾和幾個初創公司也都在開發替代産品。

AMD将在面向機器學習的GPU領域“引發以前從來沒有過的競争”,TiriasResearch進階分析師KevinKrewell這樣表示。

“關鍵是沒有那麼多卡,但是有很多軟體,”Krewell表示。“Nvidia提供Cuda軟體來幫助人們立即開始進行編碼。AMD支援OpenCL,但是現在他們有更有吸引力的解決方案。”

AMD公布了3款在RadeonInstinct新品牌下的圖形卡,支援16位打包浮點運算操作,其中2款卡預計将在明年年初出貨,采用現有的GPU,針對推斷類的任務。

150WMI6采用PolarisGPU和16Bytes記憶體,通過224Gbit/s鍊路提供最高5.7TFlops的FP16峰值性能。175WMI8加速卡在2.5-D堆棧上采用FijiNanoGPU,有4GBHigh-BandwidthMemory運作在512Gbit/s鍊路上,性能最高可達到8.2TFlops。高端300WMI25卡針對教育訓練任務,采用AMD的下一代VegaGPU,将在7月前出貨。

這些卡将運作在4月新推出的MIOpen開源GPU加速庫,支援像卷積、池化、激活功能、歸一化和張量格式。

新的加速庫是基于AMD現有的RandeonOpenCompute軟體,其中包括域專有的編輯器,針對線性代數和張量以及語言運作時間。該軟體支援7種機器學習架構,包括Caffe、Torch7以及Tensorflow,還有4種程式設計語言——Python、OIpenCL、高性能版C以及針對Nvidia的編譯層。

超微宣布推出了支援AMD這三款新卡的機架式系統。Inventec也宣布兩款系統支援一個機架節點最多有4個或者16個帶有PCIe插槽、FPGA或者固态盤的M125Vega卡。Inventec還展示了一款将會包含120個Vega卡、GPU計算性能最高達到3Petaflops的機架系統。

在機器學習方面,AMD正在迎頭趕上。4月,Nvidia開始出貨針對高端GPU四路叢集的設計,采用Nvidia獨有的NV-Link技術,支援更高吞吐量、更低延遲的PCIe。并且Nvidia針對GPU計算的Cuda多年來已經被廣泛采用。

上個月,英特爾詳細闡述了采用至強和至強Phi處理器的計劃,以及收購通過收購Nervana和Movidius以覆寫廣泛的推斷和教育訓練類任務。此外像Cornami、Graphcore以及WaveComputing的初創公司已經公布了新晶片計劃,據他們稱,它在教育訓練類任務方面的表現将擊敗GPU。

在過去兩年中,機器學習已經成為Amazon、百度和Facebook等資料中心巨頭的一種戰略性工作負載。5月,Google宣布設計出了他們自己的AI推理加速器。

AMD計劃公布一項基于采用更開放的元件的獨特計劃。除了新的開源加速庫之外,AMD還将開放GPU指令集,針對那些希望做低等級優化的工程師們。

此外,AMD還計劃支援像CCIX、GenZ連接配接到FPGA加速器以及存儲存儲這樣的開放互連。與此同時,AMD也支援PCIe和單根虛拟化标準。

今年年底,AMD計劃推出名為Naples的新伺服器處理器,采用Zenx86核心。AMD表示,将把最低延遲的鍊路帶入x86主機,能夠在單一伺服器節點中打包4-16個GPU。AMD目前已經支援GPU之間的直接記憶體通路(DMA),以及機架間的遠端DMA。

AMD表示,與使用通用矩陣乘法(GEMM)的卷積相比,MIOpen代碼将加速AI任務近3倍之多。此外AMD還分别展示了在NvidiaTitanX-Maxwell以及Pascal的DeepBenchDEMM之上MI8和MI25卡顯著提升的性能。

AMD正在快速向前發展。它展示了兩周時間内Vega采用Cuda和Caffe處理MIOpen軟體中的教育訓練任務。Vega晶片仍然供不應求,因為開發者正在緻力于将傳統圖形軟體和遊戲放到Vega晶片上。

AMDRadeon部門首席架構師RajaKoduri表示,AMD的MxGPU虛拟化将提供給機器學習和遊戲。

“我們的競争對手是把遊戲和人工智能分成兩個部分,而我們希望把兩者結合到一起,”他說。

此前,AMD公布了與資料中心巨頭阿裡巴巴以及Google在GPU方面的合作。

多倫多大學的研究人員稱贊了MIOpen軟體,他使用該軟體做4位資料和彙編語言支援天文學應用程式。“我們發現人們還在談論1位和2位數學,這說明我們在機器學習方面還處于很早起的階段,”Xilinx副總裁LiamMadden這樣表示。

本文出處:暢享網

本文來自雲栖社群合作夥伴暢享網,了解相關資訊可以關注vsharing.com網站。

繼續閱讀