美国正在开发用于图处理的下一代ASIC

美国正在开发用于图处理的下一代ASIC

更糟的是，图算法往往具有非常差的次线性缩放特性。你根本无法通过投入更多处理器来解决这个问题。由于数据的稀疏性和不规则性，下一个数据访问通常是在一个完全不同的节点上，传输数据最终会导致整个系统出现瓶颈。

美国国防部分层识别验证及利用计划（DARPA HIVE）

英特尔负责HIVE的硬件架构部分，他们正在开发一个新的架构来解决这些问题。在英特尔的数据中心事业部内部有一个名为PUMA的秘密团队。他们负责图分析（GA）处理器的开发。这是他们正在秘密开发的一个完整产品，英特尔打算最终将其商业化。

PUMA实现机箱级完全集成，可以跨处理元件和内存进行良好的通信。它旨在扩展到大型系统，在多个机架和多个集群上使用。

软件基础设施

HIVE的第二阶段是构建软件基础设施。新软件不仅必须与新硬件兼容，而且必须与现有CPU和GPU兼容。此外，新软件必须支持数据科学届使用的大量现有软件。现有的大量软件都是为了以某种方式解决特定的图问题而开发的。该计划的部分目标是能够将现有的软件和库连接到HIVE软件框架中，以便使其更易于投入使用。

作为HIVE第二阶段一部分，他们正在开发模块化架构框架。现有软件正在重新纳入它们的组成部分，以便可以根据该软件最佳功能将其插入到框架中。该结构包括Workflow Scheduler和Dispatch Engine，用于把User API负载任务路由到后端。他们利用DASK任务调度程序来执行此操作。这也是他们进行后端切换和调度的方式。顺便说一句，值得注意的是，虽然他们正在与英特尔密切合作，共同开发这个框架，以便能够通过PUMA架构实现其性能目标，但是软件框架并不是专门为PUMA设计的。事实上，它们完全针对广泛的硬件，以便数据科学家立即能够跨越CPU、GPU和FPGA，充分利用相同的软件基础设施。并最终使用相同的基础架构，利用PUMA图处理器来加速相同的负载。

值得一提的是，如果有必要，在后端，框架可包含一组能够转换不同格式数据的转换器。

这种设计有两大好处——集成新硬件意味着设计了一个新的硬件后端，如果数据模型与现有模型不同，则添加对数据模型的支持，并添加一个可以从现有数据模型转换到新数据模型的转换器。同样，集成一个新的User API只需要在其中一个硬件上添加一个接口并至少采用一种算法。

最终，HIVE的总体目标就是统一和简化“让图软件与硬件进行优化通信的”流程，只需让硬件厂商提供其硬件并为其集成一个良好的后端，同时让数据科学家能够通过自己的API和算法来充分利用该硬件。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。