Cascade Lake
Processori scalabili Intel® Xeon® di seconda generazione con chipset Intel® serie C620 (Purley Refresh)
I processori scalabili Intel® Xeon® di seconda generazione, in precedenza Cascade Lake, con chipset Intel® serie C620 (Purely Refresh) offrono Intel® Deep Learning Boost integrato e forniscono inferenza e visione artificiale dalle prestazioni elevate per i carichi di lavoro di intelligenza artificiale. Consolida diversi carichi di lavoro IoT, gestisce set di dati enormi e consente transazioni quasi in tempo reale. Ora potete ottenere funzionalità di deep learning integrate ancora migliori, accelerare l'implementazione e ridurre il costo totale di proprietà (TCO) grazie a toolkit e framework di software ottimizzati per la CPU come Intel® Distribution of OpenVINO™ Toolkit.
Caratteristiche principali
Intel® Deep Learning Boost
Accelerate i carichi di lavoro di intelligenza artificiale, deep learning e visione artificiale aumentando fino a 14 volte 1 le prestazioni di throughput di inferenza rispetto ai processori delle generazioni precedenti.
Memoria persistente Intel® Optane™ DC
Velocizzate i carichi di lavoro e il tempo per ottenere informazioni strategiche con questo nuovo prodotto rivoluzionario che offre un'ampia memoria persistente a prezzi accessibili.
Tecnologia Intel® QuickAssist (Intel® QAT)
L'accelerazione della compressione e della crittografia dei dati libera il processore host e migliora il trasporto e la protezione dei dati su server, storage, reti e nella migrazione di macchine virtuali. Integrata nel chipset.
Tecnologia Intel® Resource Director per il determinismo
Extend Quality of Service (QoS) con allocazione della larghezza di banda della memoria.
Sicurezza avanzata
La mitigazione dell'hardware per contrastare gli exploit side-channel aiuta a salvaguardare i sistemi e i dati proteggendo la piattaforma dagli attacchi dannosi.
Disponibilità estesa del supporto
Una disponibilità del prodotto di 15 anni e un'affidabilità di utilizzo di 10 anni aiutano a proteggere il vostro investimento.
Specifiche principali
- Fino a 28 core di CPU
- Fino a 3,8 GHz di frequenza di base della CPU non-AVX
- Supporto multi-socket (2, 4, 8 CPU)
- Fino a 3 canali UPI per CPU
- 6 canali DDR4 per CPU con velocità massima di 2933 MT/s
- Da 1 TB a 4,5 TB di capacità di memoria per CPU
- Connessione di rete Ethernet Intel® X722 integrata
- 48 corsie PCIe 3.0 per CPU
- Supporta PCIe*, USB, SATA* e si collega a periferiche Ethernet, SSD e FPGA.
Prestazioni più elevate
Efficienza energetica bilanciata
Affidabilità e memoria estese
Specializzati
Chipset
| Chipset | 10Gb/1Gb Ethernet Porte |
TDP (W) | PCIe* Uplink | Intel® QuickAssist Tecnologia |
IoT Opzioni Disponibile |
Codice di ordinazione |
|---|---|---|---|---|---|---|
| Chipset Intel® C629 | 4/4 | 28,6 | X16 | Sì | - | EY82C629 |
| Chipset Intel® C628 | 4/4 | 26,3 | x16 | Sì | - | EY82C628 |
| Chipset Intel® C627 | 4/4 | 28,6 | x16 | Sì | - | EY82C627 |
| Chipset Intel® C626 | 4/4 | 23 | x16 | Sì | - | EY82C626 |
| Chipset Intel® C625 | 4/4 | 21 | x16 | Sì | - | EY82C625 |
| Chipset Intel® C624 | 4/4 | 19 | x16 | - | Sì | EY82C624 |
| Chipset Intel® C622 | 2/4 | 17 | x8 | - | Sì | EY82C622 |
| Chipset Intel® C621 | 0/4 | 15 | x1 | - | Sì | EY82C621 |
Software supportato
| Tipo di SO | Sistema operativo 2(destinato al supporto) | Supporto3 | Distribuzione | 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, open source | SUSE | ||
| Ubuntu* 18.04 LTS | Canonical, open source | Canonical | ||
| Yocto* Linux v4.19.8 | Intel, open source | Yocto Project* | ||
| FreeBSD 11.2 | Community open source | |||
| Fedora* | Community open source | |||
| CentOS* | Community open source | |||
| Windows* | Microsoft Windows* Server 2016 Microsoft Windows* Server 2019 LTS Microsoft Windows* Server RS3, RS4, RS5 (Core/Nano) |
Intel, Microsoft | Microsoft | |
| VMM | Linux KVM | Community open source | ||
| VMware ESXi* 6.0 u3, 6.5 | VMware*, open source | |||
| Microsoft Windows* Hyper-V | Microsoft | |||
| Xen* 4.10, 4.11 | Community open source | |||
Strumenti software
Intel® System Studio
Aumentate prestazioni, efficienza energetica e affidabilità per le applicazioni dei sistemi e dei dispositivi IoT con questa suite completa di strumenti di sviluppo (Windows*, Linux, Android*, VxWorks*, QNX Neutrino RTOS*).
Distribuzione Intel® di OpenVINO™ Toolkit
Trasformate le idee in realtà sulle piattaforme Intel®, dalle videocamere intelligenti alla videosorveglianza, dalla robotica ai traporti e altro ancora (Windows*, Linux, Intel, CentOS*).
Intel® Data Analytics Acceleration Library
Aumentate le prestazioni dell'analisi dei big data e dell'apprendimento automatico con questa libreria di facile utilizzo. (Windows*, Linux, macOS*).
Distribuzione Intel® di Python*
Potenziate le applicazioni Python* e velocizzate i pacchetti di elaborazione dei core con questa distribuzione orientata alle prestazioni (Windows*, Linux, macOS*).
Applicazioni embedded e ottimizzate per IoT
Città intelligenti
Le applicazioni di intelligenza artificiale con Intel® Deep Learning Boost supportano livelli di sicurezza e sorveglianza più veloci e accurati sia in aree densamente popolate che isolate, anche negli ambienti urbani affollati e complessi
Retail
Soluzioni per informare e snellire le operazioni, personalizzare lo shopping ed acquisire dati, come le dinamiche del traffico nel negozio, per servire meglio i clienti
Sanità
L'individuazione e la segmentazione degli oggetti consente di identificare e confrontare in modo più veloce e più accurato dinamiche rilevanti e altri dati delle immagini, velocizzando e migliorando le diagnosi, con risultati migliori per più pazienti e costi ridotti per gli ospedali
Settore industriale e manifatturiero
Intel® Deep Learning Boost offre prestazioni e funzionalità che accelerano l'IoT industriale e la produzione, consentendo di far progredire l'intelligenza artificiale, aumentare le prestazioni, utilizzare la visione artificiale per il rilevamento dei difetti e il controllo della qualità, nonché consolidare i carichi di lavoro
Risorse di progettazione
Design-In Tools Store
Accelera il tuo processo di progettazione con strumenti che supportano le nostre piattaforme più recenti. Tutti gli strumenti sono disponibili per l'acquisto; inoltre Intel offre una selezione limitata di strumenti di sviluppo integrati in prestito gratuito per gli sviluppatori che soddisfano i criteri del programma di prestito.
Servizi di revisione gratuita dei progetti
Accelera il tuo ciclo di progettazione con le revisioni schematiche e di layout gratuite di Intel.
Servizi di revisione gratuita del layout
Ottimizza le prestazioni del sistema e la progettazione del prodotto con i nostri servizi di testing completi.
Risorse per sviluppatori IoT
Sfrutta strumenti, kit e soluzioni Intel per accelerare il time to market.
Creare l'applicazione
Ottimizzazione
Link di riferimento
Informazioni su prodotti e prestazioni
Miglioramento del throughput di inferenza di 1 volta rispetto al riferimento costituito dal processore Platinum Intel® Xeon® 8180 (luglio 2017): testato da Intel in data 11 luglio 2017: Piattaforma: CPU Platinum Intel® Xeon® 8180 a 2 socket a 2,50 GHz (28 core), HT disabilitata, Turbo disabilitata, gestore scalabilità impostato su “prestazioni” tramite il driver intel_pstate driver, 384 GB di RAM DDR4-2666 ECC. CentOS Linux* release 7.3.1611 (Core), kernel Linux 3.10.0-514.10.2.el7.x86_64. SSD: SSD Intel® DC serie S3700 (800 GB, 2,5", SATA 6 Gb/s, 25 nm, MLC) Prestazioni misurate con: variabili ambientali: KMP_ AFFINITY=’granularity=fine, compact‘, OMP_NUM_THREADS=56, frequenza della CPU impostata con cpupower frequency-set -d 2,5G -u 3,8G -g performance Caffe: (http://github.com/intel/caffe/), revisione f96b759f71b2281835f690af267158b82b150b5c. Inferenza misurata con il comando “caffe time --forward_only”, addestramento misurato con il comando “caffe time”. Per topologie “ConvNet”, sono stati usati set di dati sintetici. Per altre topologie, i data erano archiviati su storage locale e memorizzati nella cache in memoria prima dell'addestramento. Specifiche della topologia da 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 (benchmark ConvNet; i file sono stati aggiornati per utilizzare il più recente formato prototxt Caffe ma sono funzionalmente equivalenti)). Compilatore Intel® C++ ver. 17.0.2 20170213, piccole librerie Intel® Math Kernel Library (Intel® MKL) versione 2018.0.20170425. Caffe eseguito con “numactl -l“.
Miglioramento del throughput di inferenza di 14 volte con il processore Platinum Intel® Xeon® 8280 con Intel® Deep Learning Boost (Intel® DL Boost): Testato da Intel in data 20/02/2019. Processore Platinum Intel® Xeon® 8280 a 2 socket, 28 core HT abilitata Turbo abilitata Memoria totale 384 GB (12 slot/32 GB/2933 MHz), BIOS: SE5C620.86B.0D.01.0271.120720180605 (ucode: 0x200004d), Ubuntu 18.04.1 LTS, kernel 4.15.0-45-generic, 1 SSD sda INTEL SSDSC2BA80 da 745,2 GB, nvme1n1 SSD INTEL SSDPE2KX040T7 da 3,7 TB, Deep Learning Framework: Intel® Optimization for Caffe* versione: 1.1.3 (commit hash: 7010334f159da247db3fe3a9d96a3116ca06b09a), ICC versione 18.0.1, MKL DNN versione: v0.17 (commit hash: 830a10059a018cd2634d94195140cf2d8790a75a, modello https://github.com/intel/caffe/blob/master/models/intel_optimized_models/int8/resnet50_int8_full_conv.prototxt, BS=64, syntheticData, 4 istanze/2 socket, Tipo di dati: INT8 vs. Testato da Intel in data 11 2017: CPU Platinum Intel® Xeon® 8180 CPU a 2 socket a 2,50 GHz (28 core), HT disabilitata, Turbo disabilitata, gestore scalabilità impostato su “prestazioni” tramite il driver intel_pstate driver, 384 GB di RAM DDR4-2666 ECC. CentOS Linux* release 7.3.1611 (Core), kernel Linux 3.10.0-514.10.2.el7.x86_64. SSD: SSD Intel® DC serie S3700 (800 GB, 2,5", SATA 6 Gb/s, 25 nm, MLC) Prestazioni misurate con: variabili ambientali: KMP_AFFINITY=’granularity=fine, compact‘, OMP_NUM_THREADS=56, frequenza della CPU impostata con cpupower frequency-set -d 2.5G -u 3.8G -g performance. Caffe: (https://github.com/intel/caffe/), revisione f96b759f71b2281835f690af267158b82b150b5c. Inferenza misurata con il comando “caffe time --forward_only”, addestramento misurato con il comando “caffe time”. Per topologie “ConvNet”, sono stati usati set di dati sintetici. Per altre topologie, i data erano archiviati su storage locale e memorizzati nella cache in memoria prima dell'addestramento. Specifiche della topologia da https://github.com/intel/caffe/tree/master/models/intel_optimized_models/resnext_50, Compilatore Intel® C++ ver. 17.0.2 20170213, piccole librerie Intel® MKL versione 2018.0.20170425. Caffe eseguito con “numactl -l“.
Questo elenco di sistemi operativi è testato internamente e NON riflette il supporto del fornitore del sistema operativo per queste versioni. Contattare il fornitore del sistema operativo per ottenere i numeri delle versioni e il supporto. Verrà eseguito l'upstream di diverse patch software, che verranno selezionate nel tempo. Esse saranno necessarie per ottimizzare il supporto della piattaforma.
Intel offre supporto solo per i nostri strumenti, patch e utility sul sistema operativo. Il supporto del sistema operativo deve essere offerto dal relativo fornitore.