Xeon Phi може виступати в ролі як центрального процесора, так і співпроцесора, але сьогодні зі своєю векторної обробкою він призначений скоріше для суперкомп'ютерів, ніж для вирішення завдань машинного навчання.

Джерело: Intel

Удосконаливши свої мегачіпи Xeon Phi, корпорація Intel має намір кинути виклик тензорним процесорам Google і графічним процесорам Nvidia в області машинного навчання.

«У Xeon Phi з'являться нові функції, орієнтовані на машинне навчання», - повідомив керівник напрямку машинного навчання Intel Нідхем Чаппелль. Перспективна технологія машинного навчання дозволяє більш ефективно вирішувати завдання з розпізнавання образів та аналізу даних.

Коли конкретно будуть додані нові функції, в Intel поки не розкривають, але випуск наступної версії Xeon Phi запланований на 2018 рік. В даний час в області машинного навчання Intel відстає від конкурентів, тому є ймовірність, що розробка чергового варіанту Xeon Phi буде прискорена.

Новітній чіп Intel Xeon Phi, що розроблявся під кодовою назвою Knights Landing і має 72 ядра, був представлений в кінці червня. В даний час проводиться його тестування на моделях машинного навчання, і в компанії розраховують, що за певних умов він виявиться ефективнішим графічних процесорів.

Xeon Phi може виступати в ролі як центрального процесора, так і співпроцесора, але сьогодні зі своєю векторної обробкою і адаптованими ядрами Atom він призначений скоріше для суперкомп'ютерів, ніж для вирішення завдань машинного навчання.

«Xeon Phi знижує потребу в перенесенні навантаження машинного навчання на співпроцесори», - пояснив Чаппелль. Зараз багато завдань машинного навчання виконуються графічними процесорами. У травні Google анонсувала власні процесори для машинного навчання, звані в компанії тензорними.

Для прискорення машинного навчання Xeon Phi можна доповнити високошвидкісний внутрішньої шиною. В даний час компанія Intel намагається інтегрувати Xeon Phi з шиною OmniPath, яка дозволяє прискорити переміщення даних між серверами.

«Ми маємо намір розширити і підтримку програмного забезпечення машинного навчання з відкритим кодом», - заявив Чаппелль. Intel вибудовує моделі машинного навчання на базі пакету з відкритим кодом Caffe. У перспективі чіпи Xeon Phi могли б підтримувати і програмне забезпечення машинного навчання Google TensorFlow, яке також поширюється з відкритим кодом.

В Intel вважають, що їх процесори могли б знайти застосування в медицині і при обробці зображень, а навчальні моделі підвищать ефективність аналізу даних. Нові процесори, зокрема, повинні допомогти при проведенні діагностики захворювань і класифікації зображень шляхом аналізу їх пікселів.

«Кінцева наша мета полягає в тому, щоб скоротити тривалість навчання при використанні конкретних моделей і прискорити виконання обчислень», - пояснив Чаппелль.

http://www.laptopreleasedate.com/wp-content/uploads/2016/06/Intel-HPC-Knight%E2%80%99s-Landing-Xeon-Phi.jpg