问：什么是Lake Crest编程模型？它与GPU相似吗？
Carey：不是的 ， 从高层面看 ， 任何加速器都是一样的 ， 你有一个为特定的图层编写的内核 ， 将内核放在设备里 ， 然后将数据存储在设备上 ， 这就可以了 。
所以从这个角度来看 ， 它们都非常相似 ， 在较低层面上 ， Lake Crest和Crest家族一般都没有共享的二级缓存 ， 它具有软件控制的内存 ， 因此软件工程师或者内核开发工程师可以控制内存中的内容 ， 控制其在内存中保留的时间 ， 控制从处理元件到处理元件的内容 ， 从芯片到芯片的内容 ， 它是静态的 ， 你无需处理缓存冲突等 。
让这成为可能的是 ， 在深度学习中 ， 你能提前知道所有的操作 ， 内核开发工程师能更轻松地保留数据 ， 移动数据和优化性能 ， 我们可以这样做 ， 因为我们不需要做随机指示 ， 我可以提前知道指示 。
而这一切对数据科学家来说都是隐藏的 ， 数据科学家从来不想围绕GPU编码 ， 他们只是想要高速度 ， 而Nervana GPU内核就是这样提供的 ， 我们拥有世界上最快的GPU内核 ， 我们拥有与某些客户合作的FT16内核 ， 这也是Nervana比硬件更为出名的地方 ， 硬件实际上并没有被讨论 ， 这些高速内核使数据科学家能够从当时的硬件中获取最多的内容 ， 而无需被低水平细节所打扰 ， 这是一种很好的模式 ， 因为可以在不同的产品中改变计算机结构 ， 并且由于除了位于英特尔的专门核心团队外 ， 没有人直接在硬件上编写代码 ， 我们可以管理这一更改并且始终尽可能优化硬件 ， 可以添加说明 ， 可以添加函数 ， 可以改变事物的工作方式 ， 可以在不影响数据科学的情况下更改bfloat 。
积极应对行业变化新芯片明年上市
问：数据科学家本身不关注硬件？
Carey：没错 ， 我不认为数据科学家真正关心的是底层的问题 ， 他们只是希望它速度很快 ， 他们不会在乎法拉利是电动的还是混合动力的 ， 是V12还是四缸发动机他们只想在三秒钟内看到它从0到60 。
问：nGraph与CUDA相比的优势是什么？
Carey：nGraph与CUDA还是不一样的 ， CUDA你可以理解为nGraph的底面 ， 我们称之为变压器 ， nGraph通过一个固定的API接收来自TensorFlow、Caffe或MXNet的输入 ， 然后通过图形编译器进行性能优化 ， 排除一些不需要的东西 ， 然后将其发送给CPU的MKL-DNN ， 所以CPU仍然使用MKL-DNN ， 即使在nGraph中也是如此 ， 相似的 ， 我们也需要为Crest的变压器 ， 我们也需要一个英特尔其他硬件的变压器 。
问：目前是否有关于Spring Crest的速度有多快的数据或基准？
Carey：我们暂时没有公布具体数字 ， 与Lake Crest相比 ， 在性能上有3-4倍的提升 ， 基于我们用客户提供的Lake Crest反馈 ， 我们在整个设计过程中提高了性能 。
问：有人认为我们正处于部署算法的早期 ， 你对算法的潜在变化有什么看法？
Carey：我认为算法和硬件之间有一点共生关系 ， 反之亦然 。
如果你往回看 ， 过去的几年 ， 在GPU上的GEMM核心会很快 ， 因此当时所有的深度学习都指出如何利用GEMM核心来进行工作 ， 因为这也是GPU仅有可以很快进行处理的地方 ， 如今 ， GPU上有很多新的核心 ， 数据科学家指出许多新的写入核心 ， 我们的硬件处于两者之间 ， 它并没有完全固定的函数 ， 我们的硬件处理各种各样的激励函数 ， 通过bfloat处理各种浮点运算 ， 并且我们控制设备执行超出当前浮点范围的事情 ， 你的GEMM ， 你的卷积神经 ， 将会得到超级优化 ， 我们不会像其他竞争对手一样拥有固定的函数 ， 我们不会像GPU一样为了通用用途 ， 我认为我们处于一个良好的中间点 ， 在未来的几年也不会过时 ， 随着时间的推移 ， 我们将增加更多的通用硬件 ， 以处理更多的混合工作负载 。
推荐阅读
- 大创负责人和成员的区别
- 安装Win8.1时提示“Windows安装程序无法将windows配置为在此计算机的硬件上运行”如何处理？
- 丁真所在国企负责人回应拒绝选秀
- Win8电脑硬件加速怎么调整？
- Win8系统关闭显卡硬件加速的步骤
- Linux系统硬件路由的转发原理
- Linux系统硬件处理和软件处理的区别
- 电脑查看硬件配置的方法 怎样查看笔记本配置
- ht是什么
- 主板与cpu的搭配原则 主板与CPU怎么搭配