Cascade Lake

2017년 7월 인텔® 제온® 8180 프로세서 기준선에서 1배의 추론 처리량 개선: 2017년 7월 11일 인텔에 의해 실시된 테스트: 플랫폼: 2소켓 인텔® 제온® 플래티넘 8180 CPU @ 2.50GHz(28코어), HT 해제, 터보 해제, intel_pstate 드라이버로 scaling governor를 “performance”로 설정, 384GB DDR4-2666 ECC RAM. CentOS 리눅스* 릴리스 7.3.1611(코어), 리눅스 커널 3.10.0-514.10.2.el7.x86_64. SSD: 인텔® SSD DC S3700 시리즈(800GB, 2.5인치 SATA 6Gb/s, 25nm, MLC). 성능 측정 조건: 환경 변수: KMP_ AFFINITY='granularity=fine, compact‘, OMP_NUM_THREADS=56, CPU 주파수를 cpupower frequency-set -d 2.5G -u 3.8G -g performance로 설정 Caffe: (http://github.com/intel/caffe/), 개정 f96b759f71b2281835f690af267158b82b150b5c. 간섭은 “caffe time --forward_only” 명령으로, 트레이닝은 “caffe time” 명령으로 측정했습니다. “ConvNet” 토폴로지에는 합성 데이터 집합을 사용했습니다. 기타 토폴로지의 경우 데이터가 로컬 스토리지에 저장되어 트레이닝 전에 메모리에 캐싱되었습니다. 토폴로지 사양: https://github.com/intel/caffe/tree/master/models/intel_optimized_models (ResNet-50) 및 https://github.com/soumith/convnet-benchmarks/tree/master/caffe/imagenet_winners (ConvNet 벤치마크; 최신 Caffe prototxt 형식을 사용하기 위해 파일이 업데이트되었으나 기능적으로 동일함). 인텔® C++ 컴파일러 버전 17.0.2 20170213, 인텔® Math Kernel Library(인텔® MKL) 소형 라이브러리 버전 2018.0.20170425. Caffe는 “numactl -l“로 실행됩니다.

인텔® 딥 러닝 부스트(인텔® DL 부스트)를 통해 인텔® 제온® 플래티넘 8280 프로세서에서 14배의 추론 처리량 개선: 2019년 2월 20일 인텔에 의해 실시된 테스트. 2소켓 인텔® 제온® 플래티넘 8280 프로세서, 28코어 HT 사용, Turbo 사용, 총 메모리 384GB(12슬롯/ 32GB/ 2933MHz), BIOS: SE5C620.86B.0D.01.0271.120720180605(ucode: 0x200004d), Ubuntu 18.04.1 LTS, 커널 4.15.0-45-generic, SSD 1개 sda INTEL SSDSC2BA80 SSD 745.2GB, nvme1n1 INTEL SSDPE2KX040T7 SSD 3.7TB, 딥 러닝 프레임워크: Caffe용 인텔® 최적화* 버전: 1.1.3(커밋 해시: 7010334f159da247db3fe3a9d96a3116ca06b09a), ICC 버전 18.0.1, MKL DNN 버전: v0.17(커밋 해시: 830a10059a018cd2634d94195140cf2d8790a75a, 모델 https://github.com/intel/caffe/blob/master/models/intel_optimized_models/int8/resnet50_int8_full_conv.prototxt, BS=64, syntheticData, 4인스턴스/2소켓, 데이터 형식: INT8 vs. 2017년 7월 11일 인텔에 의해 실시된 테스트: 2S 인텔® 제온® 플래티넘 8180 CPU @ 2.50GHz(28 코어), HT 해제, 터보 해제, intel_pstate 드라이버로 scaling governor를 “performance”로 설정, 384GB DDR4-2666 ECC RAM. CentOS 리눅스* 릴리스 7.3.1611(코어), 리눅스 커널 3.10.0-514.10.2.el7.x86_64. SSD: 인텔® SSD DC S3700 시리즈(800GB, 2.5인치 SATA 6Gb/s, 25nm, MLC). 성능 측정 조건: 환경 변수: KMP_AFFINITY='granularity=fine, compact‘, OMP_NUM_THREADS=56, cpupower로 CPU 주파수를 frequency-set -d 2.5G -u 3.8G -g performance로 설정. Caffe: (https://github.com/intel/caffe/), 개정 f96b759f71b2281835f690af267158b82b150b5c. 간섭은 “caffe time --forward_only” 명령으로, 트레이닝은 “caffe time” 명령으로 측정했습니다. “ConvNet” 토폴로지에는 합성 데이터 집합을 사용했습니다. 기타 토폴로지의 경우 데이터가 로컬 스토리지에 저장되어 트레이닝 전에 메모리에 캐싱되었습니다. 토폴로지 사양: https://github.com/intel/caffe/tree/master/models/intel_optimized_models/resnext_50, 인텔® C++ 컴파일러 버전 17.0.2 20170213, 인텔® MKL 소형 라이브러리 버전 2018.0.20170425. Caffe는 “numactl -l“로 실행됩니다.

이는 내부에서 테스트된 OS 목록이며 실제 릴리스 버전에 대한 OS 공급업체의 지원 사항을 반영하지 않습니다. 릴리스 버전 번호 및 지원 내용은 해당 OS 공급업체에 문의하십시오. 시간이 흐름에 따라 여러 소프트웨어 패치가 업스트림되어 사용됩니다. 플랫폼 지원을 강화하기 위해 필요한 부분입니다.

인텔에서는 해당 OS에서 당사 툴, 패치, 유틸리티에 대한 지원만을 제공합니다. 실제 OS 지원은 OS 공급업체에서 제공해야 합니다.