Kan någon förklara för mig vad fördelarna med att välja Intels Manycore coprocessor Xeon Phi kontra att använda sig av en modern GPU skulle vara? (Förutsatt att du skrivit koden/har kontroll över koden själv vs.)
Xeon Phi 7290 har 72 kärnor ,modifierad atom arkitektur så inte hela xeon pipelinen, kan köra upp till 288 trådar och har som mest 16 GB ECC minne med en bandbredd på 115,2 GB/s (ddr4 2400 Mhz 64-bit), kan utöver det adressera 384 GB minne. Kostar med de specifikationerna strax under 90.000 kronor.
Vid FP32 kan den leverera upp till 2.82 Tflops.
Nvidia Tesla P100 bara för att nämna en konkurrents erbjudande, har 3584 CUDA kärnor och kan köra lika många trådar om du bara skall göra enkla operationer, i verkliga scenarion blir det sällan över 1000, har 16 GB ECC minne med en bandbredd på 732 GB/s (HBM2 715 MHz 4096-bit) och kan även här utöver det adressera 384 GB minne.
Kostar med de specifikationerna omkring 130.000 kronor.
Vid FP32 kan den leverera upp till 9,3 Tflops
AMD Vega 10 är inte släppt än men de dokument man har presenterat ser väldigt snalika ut.
Amd har alltid försökt att vara något billigare än Nvidia så dyrare än Xeon Phi lär de inte vara.
Jag kan se att den övre produkten har fördelar om man inte kör egenutvecklad mjukvara och inte har möjlighet till något annat än X86-kod, men den stödjer inte virtualisering, AEX eller många andra funktioner där de extra X86 trådarna hade varit till nytta.
Finns det några fördelar med att utveckla "pinsamt paralella" program med Intels Manycore lösning i åtanke när konkurrenternas ger mer bang for buck och därmed borde vara mer populära i HPC sammanhang?
Xeon Phi 7290 har 72 kärnor ,modifierad atom arkitektur så inte hela xeon pipelinen, kan köra upp till 288 trådar och har som mest 16 GB ECC minne med en bandbredd på 115,2 GB/s (ddr4 2400 Mhz 64-bit), kan utöver det adressera 384 GB minne. Kostar med de specifikationerna strax under 90.000 kronor.
Vid FP32 kan den leverera upp till 2.82 Tflops.
Nvidia Tesla P100 bara för att nämna en konkurrents erbjudande, har 3584 CUDA kärnor och kan köra lika många trådar om du bara skall göra enkla operationer, i verkliga scenarion blir det sällan över 1000, har 16 GB ECC minne med en bandbredd på 732 GB/s (HBM2 715 MHz 4096-bit) och kan även här utöver det adressera 384 GB minne.
Kostar med de specifikationerna omkring 130.000 kronor.
Vid FP32 kan den leverera upp till 9,3 Tflops
AMD Vega 10 är inte släppt än men de dokument man har presenterat ser väldigt snalika ut.
Citat:
Vega 10 Vega 10 Dual GPU
2017 2017
14nm FinFET 14nm FinFET
4096 8192 (trådar)
1526 Mhz 1100 Mhz+ (est.)
12.5 TFLOPS 19 TFLOPS (FP32)
225W 300W
8GB/16GB 16-32GB HBM2
2048-bit 4096-bit (2048-bit x2) (busstorlek)
512 GB/s 1 TB/s (minnesbandbredd)
2017 2017
14nm FinFET 14nm FinFET
4096 8192 (trådar)
1526 Mhz 1100 Mhz+ (est.)
12.5 TFLOPS 19 TFLOPS (FP32)
225W 300W
8GB/16GB 16-32GB HBM2
2048-bit 4096-bit (2048-bit x2) (busstorlek)
512 GB/s 1 TB/s (minnesbandbredd)
Amd har alltid försökt att vara något billigare än Nvidia så dyrare än Xeon Phi lär de inte vara.
Jag kan se att den övre produkten har fördelar om man inte kör egenutvecklad mjukvara och inte har möjlighet till något annat än X86-kod, men den stödjer inte virtualisering, AEX eller många andra funktioner där de extra X86 trådarna hade varit till nytta.
Finns det några fördelar med att utveckla "pinsamt paralella" program med Intels Manycore lösning i åtanke när konkurrenternas ger mer bang for buck och därmed borde vara mer populära i HPC sammanhang?
