Cascade Lake
2ª generación de procesadores escalables Intel® Xeon® con chipsets Intel® serie C620 (actualización de Purley)
Los procesadores escalables Intel® Xeon® de 2ª generación, anteriormente Cascade Lake, con chipsets Intel® serie C620 (Purley Refresh), cuentan con Intel® Deep Learning Boost incorporado y ofrecen visión e inferencia de alto desempeño para cargas de trabajo de inteligencia artificial (IA). Consolida diversas cargas de trabajo de IoT, maneja enormes conjuntos de datos y posibilita transacciones casi en tiempo real. Ahora usted puede acceder a mejores capacidades de aprendizaje profundo incorporadas, velocidad en la implementación y un menor coste total de propiedad (TCO) con kits de herramientas de software optimizados para CPU y marcos como Intel® Distribution of OpenVINO™ Toolkit.
Características principales
Intel® Deep Learning Boost
Acelera las cargas de trabajo de IA/aprendizaje profundo/visión hasta 14 veces 1el rendimiento de procesamiento en inferencia con respecto a los procesadores de la generación anterior.
Memoria persistente Intel® Optane™ DC
Acelere las cargas de trabajo y el tiempo para obtener perspectivas de los datos con este producto de memoria revolucionario para una memoria asequible, persistente y de gran tamaño.
Tecnología Intel® QuickAssist (Intel® QAT) integrada
La compresión de datos y la aceleración del cifrado liberan al procesador host y mejoran el transporte y la protección de datos en los servidores, el almacenamiento, las redes y la migración a VM. Viene integrada en el chipset.
Tecnología Intel® Resource Director para determinismo
Amplíe la Calidad de servicio (QoS) con asignación de ancho de banda de memoria.
Seguridad mejorada
Las mitigaciones de hardware para vulnerabilidades del lado del canal ayudan a proteger los sistemas y los datos reforzando la plataforma contra ataques maliciosos.
Disponibilidad extendida de la asistencia
La confiabilidad que otorgan 15 años de disponibilidad del producto y 10 años de casos de uso ayudan a proteger su inversión.
Especificaciones fundamentales:
- Hasta 28 núcleos de CPU
- Frecuencia de CPU base no AVX hasta 3,8 GHz
- Compatibilidad con zócalos múltiples (2, 4, 8 CPU)
- Hasta 3 canales UPI por CPU
- 6 canales DDR4 por CPU con velocidad máxima 2933 MT/s
- Capacidad de memoria de 1 TB a 4,5 TB por CPU
- Conexión Intel® Ethernet X722 integrada
- 48 líneas de PCIe 3.0 por CPU
- Compatibilidad con PCIe*, USB, SATA* y conexión a periféricos FPGA, Ethernet y SSD
Máximo rendimiento
Eficiencia energética equilibrada
Confiabilidad y memoria extendida
Especialización
Chipsets
Chipset. | 10 Gb/1 Gb Ethernet Puertos |
TDP >(W) | Enlace de subida PCIe* | Intel® QuickAssist Tecnología |
IoT Opciones Disponibles |
Código de pedido |
---|---|---|---|---|---|---|
Chipset Intel® C629 | 4/4 | 28,6 | X16 | Sí | - | EY82C629 |
Chipset Intel® C628 | 4/4 | 26,3 | x16 | Sí | - | EY82C628 |
Chipset Intel® C627 | 4/4 | 28,6 | x16 | Sí | - | EY82C627 |
Chipset Intel® C626 | 4/4 | 23 | x16 | Sí | - | EY82C626 |
Chipset Intel® C625 | 4/4 | 21. | x16 | Sí | - | EY82C625 |
Chipset Intel® C624 | 4/4 | 19. | x16 | - | Sí | EY82C624 |
Chipset Intel® C622 | 2/4 | 17. | x8 | - | Sí | EY82C622 |
Chipset Intel® C621 | 0/4 | 15 | x1 | - | Sí | EY82C621 |
Software compatible
Tipo de SO | Sistema operativo 2(destinado a asistencia) | Asistencia3 | Distribución | BIOS |
---|---|---|---|---|
Linux | Red Hat* Enterprise Linux 7,5 | Red Hat | American Megatrends Inc. Insyde Software Tecnologías Phoenix BYOSOFT |
|
SUSE* Linux Enterprise Server 12 SP4, 15 | SUSE, Código abierto | SUSE | ||
Ubuntu* 18.04 LTS | Canonical, Código abierto | Canonical | ||
Yocto* Linux v4.19.8 | Intel, Código abierto | Proyecto Yocto* | ||
FreeBSD 11.2 | Comunidad de código abierto | |||
Fedora* | Comunidad de código abierto | |||
CentOS* | Comunidad de código abierto | |||
Windows*. | Microsoft Windows* Server 2016 Microsoft Windows* Server 2019 LTS Microsoft Windows* Server RS3, RS4, RS5 (Core/Nano) |
Intel, Microsoft | Microsoft | |
VMM | Linux KVM | Comunidad de código abierto | ||
VMware ESXi* 6.0 u3, 6.5 | VMware*, Código abierto | |||
Microsoft Windows* Hyper-V | Microsoft | |||
Xen* 4.10, 4.11 | Comunidad de código abierto |
Herramientas de software
Intel® System Studio
Impulse el desempeño, potencie la eficiencia y la confiabilidad para aplicaciones de dispositivos de sistema e IoT con este conjunto integral de herramientas para desarrollo (Windows*, Linux, Android*, VxWorks*, QNX Neutrino RTOS*).
Intel® Distribution of OpenVINO™ Toolkit
Convierta su visión en realidad con las plataformas Intel®: desde inteligencia en cámaras y vigilancia de video hasta robótica, transporte y más (Windows*, Linux, CentOS*).
Intel® Data Analytics Acceleration Library
Impulse el desempeño del aprendizaje automático y el análisis de datos a gran escala (big data) con esta biblioteca fácil de usar. (Windows*, Linux, macOS*).
Intel® Distribution of Python*
Potencie al máximo las aplicaciones de Python* y acelere paquetes de computación centrales con esta distribución orientada al desempeño (Windows*, Linux, macOS*).
Aplicaciones optimizadas de IoT e integradas
Ciudades inteligentes
Las aplicaciones de IA altamente pobladas o remotas con Intel® Deep Learning Boost admiten seguridad y vigilancia más rápidas y precisas incluso en entornos urbanos complejos y muy poblados.
Distribución
Soluciones para proveer información y simplificar operaciones, compras personalizadas y captura de datos, como patrones de tráfico en la tienda, para brindar un mejor servicios a los clientes.
Asistencia sanitaria
La detección y segmentación de objetos identifica y compara patrones relevantes y otros datos de imágenes más rápidamente y de manera más precisa, lo que acelera y mejora el diagnóstico, ofreciendo mejores resultados para más pacientes y reduciendo los costes para los hospitales.
Sector industrial y manufacturero
Intel® Deep Learning Boost aporta el desempeño y las capacidades que aceleran la fabricación y la IoT de la industria para hacer avanzar la IA, mejorar el desempeño, utilizar la visión mecánica para detección de defectos e inspección de calidad y consolidar cargas de trabajo.
Recursos para diseño
Tienda de herramientas de diseño
Acelere su proceso de diseño con herramientas compatibles con nuestras plataformas más recientes. Todas las herramientas están disponibles para su compra. Además, Intel ofrece una selección limitada de herramientas de desarrollo integradas para préstamo de forma gratuita para los desarrolladores que cumplen con los criterios del programa de préstamo.
Servicios gratuitos de revisión de diseño
Acelere su ciclo de diseño con las revisiones gratuitas de esquemas y diseños de Intel.
Servicios gratuitos de revisión de distribución
Optimice el rendimiento del sistema y el diseño del producto con servicios de pruebas integrales.
Recursos de Internet de las cosas para desarrolladores
Aproveche las herramientas, los kits y las soluciones de Intel para acelerar el tiempo de comercialización.
Primeros pasos
Crear su aplicación
Enlaces de referencia
Información sobre productos y rendimiento
1x mejor capacidad de proceso de inferencias en el procesador Intel® Xeon® Platinum 8180 (julio de 2017) de referencia: Probado por Intel el 11 de julio de 2017: Plataforma: CPU Intel® Xeon® Platinum 8180 de 2 zócalos a 2,50 GHz (28 núcleos), HT desactivada, turbo desactivada, gobernador de escalamiento establecido en “rendimiento” mediante controlador intel_pstate, 384 GB de RAM DDR4-2666 con ECC. CentOS Linux* versión 7.3.1611 (Core), Linux kernel 3.10.0-514.10.2.el7.x86_64. SSD: Intel® SSD serie S3700 (800 GB, 2,5 pulgadas, SATA 6 Gb/s, 25 nm, MLC) Rendimiento medido con: Variables del entorno: KMP_ AFFINITY=’granularity=fine, compact‘, OMP_NUM_THREADS=56, Frecuencia de la CPU establecida con configuración de frecuencia de energía de cpu de rendimiento -d 2,5 G -u 3,8 G -g. Caffe: (http://github.com/intel/caffe/), revisión f96b759f71b2281835f690af267158b82b150b5c. Inferencia medida con el comando “caffe time --forward_only”, formación medida con el comando “caffe time”. Para topologías “ConvNet” se utilizó una serie de datos artificial. Para otras topologías se almacenaron los datos en el almacenamiento local y en la memoria caché antes de la formación. Especificaciones de topología de https://github.com/intel/caffe/tree/master/models/intel_optimized_models (ResNet-50) y https://github.com/soumith/convnet-benchmarks/tree/master/caffe/imagenet_winners (Análisis de rendimiento ConvNet; los archivos se actualizaron para utilizar un formato prototxt de Caffe más nuevo, pero son funcionalmente equivalentes). Compilador Intel C++ versión 17.0.2 20170213, bibliotecas pequeñas de Intel® Math Kernel Library (Intel® MKL) versión 2018.0.20170425. Caffe ejecutado con “numactl -l“.
14x mejor capacidad de proceso de inferencias en el procesador Intel® Xeon® Platinum 8280 con Intel® Deep Learning Boost (Intel® DL Boost): Probado por Intel el 20/02/19. Procesador Intel® Xeon® Platinum 8280 de dos zócalos, 28 núcleos, HT activada, turbo activada, 384 GB de memoria total (12 ranuras/ 32 GB/ 2933 MHz), BIOS: SE5C620.86B.0D.01.0271.120720180605 (ucode: 0x200004d), Ubuntu 18.04.1 LTS, kernel 4.15.0-45 genérico, SSD 1x sda INTEL SSD SSDSC2BA80 de 745,2 GB, nvme1n1 INTEL SSD SSDPE2KX040T7 de 3,7 TB, Marco de trabajo de aprendizaje profundo: Optimización Intel® para Caffe* versión: 1.1.3 (hash de asignación: 7010334f159da247db3fe3a9d96a3116ca06b09a), ICC versión 18.0.1, MKL DNN versión: v0.17 (hash de asignación: 830a10059a018cd2634d94195140cf2d8790a75a, modelo https://github.com/intel/caffe/blob/master/models/intel_optimized_models/int8/resnet50_int8_full_conv.prototxt, BS=64, datos sintéticos, 4 instancias/2 zócalos, Tipo de datos: INT8 frente a Probado por Intel el 11 de julio de 2017: CPU Intel® Xeon® Platinum 8180 de 2 zócalos a 2,50 GHz (28 núcleos), HT desactivada, turbo desactivada, gobernador de escalamiento establecido en “rendimiento” mediante controlador intel_pstate, 384 GB de RAM DDR4-2666 con ECC. CentOS Linux* versión 7.3.1611 (Core), Linux kernel 3.10.0-514.10.2.el7.x86_64. SSD: Intel® SSD serie S3700 (800 GB, 2,5 pulgadas, SATA 6 Gb/s, 25 nm, MLC) Rendimiento medido con: Variables del entorno: KMP_AFFINITY='granularity=fine, compact‘, OMP_NUM_THREADS=56, Frecuencia de la CPU establecida con configuración de frecuencia de energía de cpu de rendimiento -d 2,5 G -u 3,8 G -g. Caffe: (https://github.com/intel/caffe/), revisión f96b759f71b2281835f690af267158b82b150b5c. Inferencia medida con el comando “caffe time --forward_only”, formación medida con el comando “caffe time”. Para topologías “ConvNet” se utilizó una serie de datos artificial. Para otras topologías se almacenaron los datos en el almacenamiento local y en la memoria caché antes de la formación. Especificaciones de topología de https://github.com/intel/caffe/tree/master/models/intel_optimized_models/resnext_50, Compilador Intel C++ versión 17.0.2 20170213, bibliotecas pequeñas de Intel® MKL versión 2018.0.20170425. Caffe ejecutado con “numactl -l“.
Esta es la lista de sistemas operativos que se prueban internamente y NO refleja el servicio de asistencia del proveedor de sistema operativo de esas versiones exactas. Póngase en contacto con los proveedores de sistema operativo concretos para obtener el número de versión y la asistencia correspondientes. Varios de los parches de software se pueden ir descargando conforme vayan estando disponibles. Serán necesarios para mejorar los servicios de asistencia de la plataforma.
Intel únicamente proporciona asistencia a sus herramientas, correcciones y utilidades en el sistema operativo. El servicio de asistencia del SO está a cargo del proveedor del mismo.