這就是 Intel 處理您資料的方法
為資料紀元重新構想 您的基礎架構。
運用內建的 AI 加速功能，使資料中心經得起未來考驗。盡在 Intel。
全新第 2 代 Intel® Xeon® 可擴充處理器具備 Intel® Deep Learning Boost (Intel® DL Boost)，能加速 AI 推斷效能高達 30 倍，幫助您獲得最高的投資效益。1
現在可以隨需 深入洞察。
透過您的資料，以極快的速度找出新的答案。
重新構思架構
運用突破性的 Intel® 技術，在資料紀元取得優勢。
注意事項與免責聲明：
效能測試中使用的軟體與工作負載可能僅針對 Intel® 微處理器進行最佳化。包括 SYSmark* 與 MobileMark* 在內的效能測試，是使用特定電腦系統、零組件、軟體、作業與功能進行測量。這些因素若有任何異動，均可能導致測得結果產生變化。建議您參考其他資訊與效能測試數據，協助您充分評估欲購買產品的性能，包括該產品在搭配其他產品運作時的效能。如需完整的資訊，請參閱 https://www.intel.com.tw/benchmarks。
效能結果係根據組態詳細資料中截至所示日期的測試，可能無法反映所有公開提供的安全性更新。請查看組態公開資料以獲得詳細資訊。沒有產品或元件能提供絕對的安全性。
對於不是 Intel® 微處理器特有的最佳化，用於非 Intel 微處理器時，Intel 的編譯器可能會，也可能不會最佳化到同樣程度。這些最佳化包括 SSE2、SSE3 及 SSSE3 指令集，也包括其他最佳化。對於任何最佳化，用於並非由 Intel 製造的微處理器，Intel 不保證最佳化的可用性、功能性或效力。在本產品中，取決於微處理器的最佳化，乃是為了用於 Intel® 微處理器而設計。某些最佳化並非專門針對 Intel 微架構，而是保留給 Intel® 微處理器。關於本公告所涉及的具體指令集，如需詳細資訊，請參閱適用產品的使用指南與參考指南。公告修訂版編號 20110804。
所述之成本降低情境，用意是要提供範例，指出搭載特定 Intel® 處理器的產品，在特定情況與配置，可能會如何影響未來各項成本以及提供成本節省。實際情況可能有所差異。對於各項成本，或是成本降低幅度，Intel 不提供任何保證。
Intel® Advanced Vector Extensions (Intel® AVX) 為特定處理器運作貢獻更高輸送量。由於各種不同的處理器耗電特性，運用 AVX 指令可能會導致 a) 某些零件以低於額定頻率的狀態運作，以及 b) 某些採用 Intel® 渦輪加速技術 2.0 的零件無法達到任何或最高渦輪加速頻率。效能因硬體組態、軟體設定與系統配置而異。您可以在 http://www.intel.com/go/turbo 獲得更多資訊。
Intel 並不控制或稽核本文件提及的第三方效能標竿資料或網站。您應造訪該網站並確認本文件提及的資料是否正確。
產品與效能資訊
運用 Intel® Deep Learning Boost (Intel® DL Boost) 的 Intel® Xeon® Platinum 9282 處理器，推斷輸送量提高 30 倍：依據 Intel 截至 2019 年 2 月 26 日所做之測試。平台：Dragon rock 2 插槽 Intel® Xeon® Platinum 9282（每一插槽 56 核心），開啟超執行緒，開啟渦輪加速，總記憶體 768 GB（24 插槽/ 32 GB/ 2933 MHz），BIOS：SE5C620.86B.0D.01.0241.112020180249，CentOS 7 Kernel 3.10.0-957.5.1.el7.x86_64，深度學習框架：適用於以下 Caffe* 版本的 Intel® 最佳化：https://github.com/intel/caffe d554cbf1，ICC 2019.2.187，MKL DNN 版本：v0.17（認可雜湊：830a10059a018cd2634d94195140cf2d8790a75a），型號：https://github.com/intel/caffe/blob/master/models/intel_optimized_models/int8/resnet50_int8_full_conv.prototxt，BS=64，無資料層 syntheticData：3x224x224，56 執行個體/2 插槽，資料類型：INT8；相較於依據 Intel 截至 2017 年 7 月 11 日所做之測試：2S Intel® Xeon® Platinum 8180 處理器 CPU @ 2.50GHz（28 核心），停用超執行緒，停用渦輪加速，擴充管理員透過 intel_pstate 驅動程式設定為「performance」，384GB DDR4-2666 ECC RAM。CentOS Linux* 版本 7.3.1611 (Core)，Linux* 核心 3.10.0-514.10.2.el7.x86_64。固態硬碟機：Intel® SSD Data Center S3700 系列（800GB，2.5 吋 SATA 6Gb/s，25 奈米，MLC）。效能測量使用：環境變數：KMP_AFFINITY='granularity=fine, compact‘, OMP_NUM_THREADS=56，CPU 頻率設定為 CPU 功率 frequency-set -d 2.5G -u 3.8G -g performance。Caffe：(http://github.com/intel/caffe/)，修訂版 f96b759f71b2281835f690af267158b82b150b5c。推斷以「caffe time --forward_only」指令測量；訓練以「caffe time」指令測量。對於「ConvNet」拓撲，使用綜合資料集。對於其他拓撲，在訓練前，資料儲存於本機儲存裝置上，並在記憶體中快取。拓撲規格來自於 https://github.com/intel/caffe/tree/master/models/intel_optimized_models(ResNet-50)。Intel® C++ 編譯器版本 17.0.2 20170213，Intel® 數學核心程式庫小型程式庫版本 2018.0.20170425。Caffe 以「numactl -l」執行。