Cascade Lake
Processadores escalonáveis Intel® Xeon® da 2ª Geração com Chipsets Intel® série C620 (atualização do Purley)
Processadores escalonáveis Intel® Xeon® da 2ª Geração, anteriormente Cascade Lake, com Chipsets Intel® série C620 (atualização do Purley), recursos integrados ao Intel® Deep Learning Boost, proporciona inferência de alto desempenho e visão para cargas de trabalho da IA. Ele consolida diversas cargas de trabalho de Internet das coisas, lida com uma enorme quantidade de dados e permite transações quase em tempo real. Agora você pode obter capacidades de aprendizado profundo ainda mais eficientes, implantação de velocidade e redução do custo total de propriedade (TCO) com kits de ferramentas de software otimizados pela CPU, e estruturas, como o Intel® Distribution of OpenVINO™ Toolkit.
Principais Recursos
Intel® Deep Learning Boost
Acelere as cargas de trabalho de IA/aprendizado profundo/visão em até 14X 1 mais o desempenho da taxa de transferência de inferência em comparação aos processadores da geração anterior.
Intel® Optane™ DC persistent memory
Agilize as cargas de trabalho e o tempo de percepção, com este novo produto de memória revolucionário para obter uma grande memória, de preço acessível e persistente.
Tecnologia integrada Intel® QuickAssist (Intel® QAT)
A aceleração da compactação de dados e da criptografia libera o processador-anfitrião e melhora o transporte e a proteção dos dados no servidor, armazenamento, na rede e na migração da VM. Integrado no chipset.
Tecnologia Intel® Real de Recursos para Determinismo
Amplie a Qualidade do Serviço (QoS) com a alocação da largura de banda da memória.
Maior segurança
Reduções do hardware para exploração de canais paralelos ajudam a proteger os sistemas e dados, fortalecendo a plataforma contra ataques mal-intencionados.
Disponibilidade estendida de suporte
A disponibilidade de produtos de 15 anos e a confiabilidade de 10 anos de uso ajudam a proteger seu investimento.
Principais especificações
- Até 28 núcleos de CPU
- Frequência máxima básica de CPU não AVX, de 3,8 GHz
- Suporte de vários soquetes (CPU de 2, 4, 8)
- Até 3 canais UPI por CPU
- 6 canais DDR4 por CPU com velocidade máxima de 2933 MT/s
- Capacidade de memória de 1 a 4,5 TB por CPU
- Conexão de rede Ethernet Intel® X722 integrada
- 48 vias de PCIe 3.0 por CPU
- Aceita os padrões PCIe*, USB, SATA* e se conecta com periféricos Ethernet, SSD e FPGA
Desempenho máximo
Eficiência energética equilibrada
Mais confiabilidade e memória
Especialização
Chipsets
Chipset | 10 Gb/1 Gb Ethernet Portas |
TDP (W) | Link de transmissão PCIe* | Intel® QuickAssist Tecnologia |
IoT Opções Disponível |
Código de pedidos |
---|---|---|---|---|---|---|
Chipset Intel® C629 | 4/4 | 28,6 | x16 | Sim | - | EY82C629 |
Chipset Intel® C628 | 4/4 | 26,3 | x16 | Sim | - | EY82C628 |
Chipset Intel® C627 | 4/4 | 28,6 | x16 | Sim | - | EY82C627 |
Chipset Intel® C626 | 4/4 | 23 | x16 | Sim | - | EY82C626 |
Chipset Intel® C625 | 4/4 | 21 | x16 | Sim | - | EY82C625 |
Chipset Intel® C624 | 4/4 | 19 | x16 | - | Sim | EY82C624 |
Chipset Intel® C622 | 2/4 | 17 | x8 | - | Sim | EY82C622 |
Chipset Intel® C621 | 0/4 | 15 | x1 | - | Sim | EY82C621 |
Software com suporte
Tipo de SO | Sistema operacional 2 (Meta para suporte) | Suporte 3 | Distribuição | BIOS |
---|---|---|---|---|
Linux | Red Hat* Enterprise Linux 7.5 | Red Hat | American Megatrends Inc Insyde Software Phoenix Technologies BYOSOFT |
|
SUSE* Linux Enterprise Server 12 SP4, 15 | SUSE, Código-fonte aberto | SUSE | ||
Ubuntu* 18.04 LTS | Canonical, Código-fonte aberto | Canonical | ||
Yocto* Linux v4.19.8 | Intel, Código-fonte aberto | Projeto Yocto* | ||
FreeBSD 11.2 | Comunidade de fonte aberta | |||
Fedora* | Comunidade de fonte aberta | |||
CentOS* | Comunidade de fonte aberta | |||
Windows* | Microsoft Windows* Server 2016 Microsoft Windows* Server 2019 LTS Microsoft Windows* Server RS3, RS4, RS5 (Core/Nano) |
Intel, Microsoft | Microsoft | |
VMM | Linux KVM | Comunidade de fonte aberta | ||
VMware ESXi* 6.0 u3, 6.5 | VMware*, Código-fonte aberto | |||
Microsoft Windows* Hyper-V | Microsoft | |||
Xen* 4.10, 4.11 | Comunidade de fonte aberta |
Ferramentas de software
Intel® System Studio
Otimize o desempenho, eficiência energética e a confiabilidade para o sistema e aplicações de dispositivos de IoT, com esta suíte completa de ferramentas de desenvolvimento (Windows*, Linux, Android*, VxWorks*, QNX Neutrino RTOS*).
Intel® Distribution of OpenVINO™ Toolkit
Amplie sua visão nas plataformas Intel® — de câmeras inteligentes e vigilância por vídeo e à robótica, transporte e muito mais (Windows*, Linux, CenOS*).
Intel® Data Analytics Acceleration Library
Otimize a análise de big data e o desempenho do aprendizado profundo, com esta biblioteca fácil de usar (Windows*, Linux, macOS*).
Distribuição Intel® para Python*
Turbine os aplicativos Python* e agilize os pacotes básicos de computação, com esta distribuição orientada para o desempenho (Windows*, Linux, macOS*).
Aplicações embarcadas e otimizadas para IoT
Cidades inteligentes
Sejam densamente povoadas ou remotas, as aplicações de IA com Intel® Deep Learning Boost aceitam segurança e vigilância mais ágeis, com maior precisão até mesmo em ambientes urbanos mais populosos e complexos
Assistência médica
A detecção e segmentação de objetos identificam e comparam, de modo mais ágil e com maior exatidão, os padrões relevantes e outros dados de imagem, o que agiliza e aprimora os diagnósticos, proporcionando resultados melhores para mais pacientes e reduzindo os custos dos hospitais
Industrial e Fabricação
Intel® Deep Learning Boost proporciona o desempenho e as capacidades que aceleram a IoT e a produção industriais de para aprimorar a IA, aumentar o desempenho, utilizar a visão de máquina para detecção de defeitos e inspeção da qualidade, além de consolidação das cargas de trabalho
Recursos de design
Loja de ferramentas de design
Acelere seu processo de design com ferramentas que suportam nossas plataformas mais recentes. Todas as ferramentas estão disponíveis para compra. Além disso, a Intel oferece uma seleção limitada de ferramentas de desenvolvimento integradas para empréstimo, sem custo adicional, para desenvolvedores que atenderem aos critérios do programa.
Serviços gratuitos de análise de design
Acelere seu ciclo de design com as análises gratuitas de layout e de esquemas da Intel.
Serviços gratuitos de análise de layout
Otimize o desempenho do sistema e o design de produto com nossos abrangentes serviços de teste.
Recursos para desenvolvedores de IoT
Aproveite as ferramentas, kits e soluções da Intel para acelerar seu tempo de colocação no mercado.
Primeiros passos
Construindo seu aplicativo
Links de referência
Informações de produto e desempenho
1X de melhoria de processamento de inferência na linha de base do processador Intel® Xeon® Platinum 8180 (julho de 2017): teste realizado pela Intel a partir de 11 de julho de 2017: plataforma: CPU Intel® Xeon Platinum® 8180 de 2 soquetes e 2,50 GHz (28 núcleos), HT desativada, turbo desativado, regulador de escalonamento definido como "desempenho" através do driver intel_pstate, RAM DDR4-2666 ECC de 384 GB. CentOS Linux* versão 7.3.1611 (Core), Linux kernel 3.10.0-514.10.2.el7.x86_64. Unidade de estado sólido: SSD Intel® série DC S3700 (800GB, 2,5 polegadas, SATA 6 Gb/s, 25 nm, MLC). Desempenho medido com: variáveis do ambiente: KMP_ AFFINITY=’granularity=fine, compact‘, OMP_NUM_THREADS=56, CPU Freq set with cpupower frequency-set -d 2.5G -u 3.8G -g performance. Caffe: (http://github.com/intel/caffe/), revisão f96b759f71b2281835f690af267158b82b150b5c. Inferência medida com o comando "caffe time --forward_only", treinamento medido com o comando "caffe time". Para topologias "ConvNet", foi usado um conjunto de dados artificial. Para outras topologias, os dados foram armazenados no armazenamento local e salvos em cache antes do treinamento. Especificações de topologia de https://github.com/intel/caffe/tree/master/models/intel_optimized_models (ResNet-50) e https://github.com/soumith/convnet-benchmarks/tree/master/caffe/imagenet_winners (benchmarks ConvNet; os arquivos foram atualizados para usar o formato prototxt do Caffe mais recente, mas eles são funcionalmente equivalentes). Compilador Intel® C++ ver. 17.0.2 20170213, pequenas Bibliotecas kernel de math da Intel® versão 2018.0.20170425. Caffe funciona com "numactl -l".
14x de melhoria de processamento de inferência em processadores Intel® Xeon® Platinum 8280 com o Intel® Deep Learning Boost (Intel® DL Boost): testados pela Intel a partir de 20/02/2019. Processador Intel® Xeon® Platinum 8280 de 2 soquetes, 28 núcleos HT ativada Turbo ativado Memória total de 384 GB (12 slots/32 GB/2933 MHz), BIOS: SE5C620.86B.0D.01.0271.120720180605 (ucode: 0x200004d), Ubuntu 18.04.1 LTS, fernel 4.15.0-45-generic, 1x SSD sda INTEL SSDSC2BA80 SSD 745.2GB, nvme1n1 INTEL SSD SSDPE2KX040T7 de 3,7 TB, Deep Learning Framework: Otimização Intel® para Caffe* versão: 1.1.3 (compromete o hash: 7010334f159da247db3fe3a9d96a3116ca06b09a), ICC versão 18.0.1, MKL DNN versão: v0.17 (compromete o hash: 830a10059a018cd2634d94195140cf2d8790a75a, modelo https://github.com/intel/caffe/blob/master/models/intel_optimized_models/int8/resnet50_int8_full_conv.prototxt, BS=64, syntheticData, 4 instance/2 socket, Datatype: INT8 vs. Testado pela Intel a partir de 11 de julho de 2017: CPU Intel® Xeon® Platinum 8180 de 2 soquetes e 2,50 GHz (28 núcleos), HT desativada, turbo desativado, regulador de escalonamento definido como "desempenho" através do driver intel_pstate, RAM DDR4-2666 ECC de 384 GB. CentOS Linux* versão 7.3.1611 (Core), Linux kernel 3.10.0-514.10.2.el7.x86_64. Unidade de estado sólido: SSD Intel® série DC S3700 (800GB, 2,5 polegadas, SATA 6 Gb/s, 25 nm, MLC). Desempenho medido com: variáveis do ambiente: KMP_AFFINITY=’granularity=fine, compact‘, OMP_NUM_THREADS=56, CPU Freq set with cpupower frequency-set -d 2.5G -u 3.8G -g performance. Caffe: (https://github.com/intel/caffe/), revisão f96b759f71b2281835f690af267158b82b150b5c. Inferência medida com o comando "caffe time --forward_only", treinamento medido com o comando "caffe time". Para topologias "ConvNet", foi usado um conjunto de dados artificial. Para outras topologias, os dados foram armazenados no armazenamento local e salvos em cache antes do treinamento. Especificações de topologia de https://github.com/intel/caffe/tree/master/models/intel_optimized_models/resnext_50, Compilador Intel® C+++ ver. 17.0.2 20170213, pequenas bibliotecas Intel® MKL versão 2018.0.20170425. Caffe funciona com "numactl -l".
Esta é a lista de sistemas operacionais que são testados internamente. Ela NÃO representa o suporte do fornecedor do sistema operacional para essas versões. Entre em contato com o fornecedor do sistema operacional para obter os números das versões e suporte. Vários patches de software serão enviados upstream e selecionados ao longo do tempo. Eles serão necessários para melhorar o suporte para a plataforma.
A Intel só oferece suporte a suas ferramentas, patches e utilitários no sistema operacional. O suporte para o sistema operacional deve ser obtido do fornecedor do sistema operacional.