Jede Karte stellt einen Knoten mit einem Prozessor dar, der viele Kerne besitzt. Jeder Kern besteht ähnlich wie beim Vorgänger NEC SX-ACE aus einer Skalar-Prozessor-Einheit (SPU) und einer Vektor-Prozessor-Einheit (VPU). Letztere ist für die hohe Rechenperformance verantwortlich: 300 GFlops/Core bei Single und 150 GFlops/Core bei Double Precision. Halbe Genauigkeit (fp16), wie sie für das Training von Neuronalen Netzen in Mode gekommen ist, unterstützt Aurora nicht.

">

Clusterz online

Auf der SC16 hat NEC-Chefingenieur Shintaro Momose das Konzept des neuen Vektorrechners Aurora vorgestellt. NEC geht dabei weg von rein proprietären Systemen. Bei Aurora handelt es sich um Vektorprozessoren auf PCIe-3.0-Steckkarten, die in eine normale x86-Cluster-Infrastruktur eingebunden sind. Als Betriebssystem läuft ein übliches x86-Linux, mit Treibern für die Offload Engines, so wie man es von den GPUs auch kennt.

Ein Accelerator, so betonte Momose, sei das dennoch nicht, sondern eine Offload Engine, bei der die Applikationen komplett auf der Karte beziehungsweise den Karten laufen. Das x86-System wird dabei als reines I/O-System "missbraucht", für Storage, Netzwerk, USB, Grafik .... Die einzelnen Karten kommunizieren miteinander per MPI via PCIe 3.0. Einen eigenen schnellen, cachekohärenten Link à la CAPI oder Nvlink haben die Vektorkarten nicht.

Jede Karte stellt einen Knoten mit einem Prozessor dar, der viele Kerne besitzt. Jeder Kern besteht ähnlich wie beim Vorgänger NEC SX-ACE aus einer Skalar-Prozessor-Einheit (SPU) und einer Vektor-Prozessor-Einheit (VPU). Letztere ist für die hohe Rechenperformance verantwortlich: 300 GFlops/Core bei Single und 150 GFlops/Core bei Double Precision. Halbe Genauigkeit (fp16), wie sie für das Training von Neuronalen Netzen in Mode gekommen ist, unterstützt Aurora nicht.

Hier kannst du Clusterz kostenlos spielen ohne Anmeldung oder Download und alles direkt im Browser. Dazu benötigst du nur ein Flash Plugin und kannst sofort los zocken. Viel Spaß und Erfolg wünscht dir das Kostenlos-Online-Spielen Team!

Dieser Artikel wurde wegen inhaltlicher Mängel auf der Qualitätssicherungsseite der Redaktion Informatik eingetragen. Dies geschieht, um die Qualität der Artikel aus dem Themengebiet Informatik auf ein akzeptables Niveau zu bringen. Hilf mit , die inhaltlichen Mängel dieses Artikels zu beseitigen, und beteilige dich an der Diskussion ! ( + )

Unter Clusteranalyse ( Clustering-Algorithmus , gelegentlich auch: Ballungsanalyse ) versteht man Verfahren zur Entdeckung von Ähnlichkeitsstrukturen in (großen) Datenbeständen. Die so gefundenen Gruppen von „ähnlichen“ Objekten werden als Cluster bezeichnet, die Gruppenzuordnung als Clustering . Die gefundenen Ähnlichkeitsgruppen können graphentheoretisch, hierarchisch, partitionierend oder optimierend sein. Die Clusteranalyse ist eine wichtige Disziplin des Data-Mining , dem Analyseschritt des Knowledge Discovery in Databases Prozesses.

Bei der Clusteranalyse ist das Ziel neue Gruppen in den Daten zu identifizieren (im Gegensatz zur Klassifikation , bei der Daten bestehenden Klassen zugeordnet werden). Man spricht von einem „uninformierten Verfahren“, da es nicht auf Klassen-Vorwissen angewiesen ist. Diese neuen Gruppen können anschließend beispielsweise zur automatisierten Klassifizierung , zur Erkennung von Mustern in der Bildverarbeitung oder zur Marktsegmentierung eingesetzt werden (oder in beliebigen anderen Verfahren, die auf ein derartiges Vorwissen angewiesen sind).


Contact Us

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed et quam est. Mauris faucibus tellus ac auctor posuere.