Cell Computing Board的SIGGRAPH07參展詳情

Eji

http://journal.mycom.co.jp/artic ... ggraph08/index.html
西川善司的SIGGRAPH07專題，下篇的開頭是CELL computing Board。

雖然採用完全一樣的晶片組，但結構的部分有非常大的特色：
RSX完全沒有記憶體，以FlexIO和CELL形成UMA。

系統方塊圖：


而在會場的demo使用RSX輔助作合成的部分看來非常有效率。

比方說，過去CELL剛發表的時候toshiba做了一個48個SD解析度MPEG2影片合成到1080p畫面的demo，裡面使用到6個SPE來解碼、1個負責合成與縮放。

但是在RSX加速的狀況下，這回CELL跑了一千個SD解析度MPEG2影片解碼，由RSX合成到4096x2160解析度的畫面上。(然後RSX完全只讀寫XDR，沒有自己的GDDR3)

這次的demo最大的意義，或許是證明RSX存取XDR的能力是可以倚重的。

[ 本帖最后由 Eji 于 2007-8-27 04:12 编辑 ]

hdfeel

将来的技术发展难题应该是，怎么样协调和调用好 几十个相同小核心组成的cpu。 个人认为这种技术的发展会导致，电脑智力的产生。

hdfeel

发展方向看上去是表面上， cell 介于 cpu 和 gpu 之间， 和 gpu 比图形处理效率差远了， 和 cpu 比通用处理效率 也差远了。 用cell的cpu 特性 和 gpu 的通用处理能力比， cell 会强很多。   用 cell的 gpu 特性 和 cpu的 图形处理能力比， cell 也会强一些。  

可是这样并不代表cell 很强。  也违背了软件和硬件的发展方向。   将来的cpu 发展方向还是 对称多核。 用几十个相同的通用小核心来组成 一个cpu。 而不会像cell 这样的结构。  

个人认为，未来满足 低端用户的需求， 把cpu 和 gpu 集成在一起， 是必然出现的。普通 办公电脑 不需要很强的机能。 不过 cpu 和 gpu 组合 也不会是 cell 这种结构。

Edison

我觉得讨论的主要是CELL是否代表了未来的发展方向，或者至少是未来的一个重要发展方向，这方面Fusion、Power7、Larabee都是代表。

Edison

MUL+ADD也不是没有问题的亚，在跑MAD的时候精度就可能会有问题。

Edison

68.54是笔误，应该是76.8GFLOPS，不过这并不影响否定你说的Q6600和CELL在单精度上相差不多的说法。

我一直以来的观点都是Cell在运行不少代码的时候比同质多内核会慢，但是也有不少代码能比这类内核快得多。

在Cell的架构中PPU是指PPE的执行单元或者说PPU 不包括L1/L2 cache/BIU的部分。

Prescott

原帖由 九泉苍月 于 2007-8-28 11:35 发表

PPE还是PPU？ms一样的意思？:unsure:

PPE :a) 两个是不一样的东西

九泉苍月

原帖由 <i>Prescott</i> 于 2007-8-28 11:31 发表 <a href="http://we.pcinlife.com/redirect.php?goto=findpost&pid=15269876&ptid=814039" target="_blank"><img src="http://we.pcinlife.com/images/common/back.gif" border="0" onload="if(this.width>screen.width*0.7) {this.resized=true; this.width=screen.width*0.7; this.alt='Click here to open new windownCTRL+Mouse wheel to zoom in/out';}" onmouseover="if(this.width>screen.width*0.7) {this.resized=true; this.width=screen.width*0.7; this.style.cursor='hand'; this.alt='Click here to open new windownCTRL+Mouse wheel to zoom in/out';}" onclick="if(!this.resized) {return true;} else {window.open('http://we.pcinlife.com/images/common/back.gif');}" onmousewheel="return imgzoom(this);" alt="" /></a><br />
Q6600的单精度浮点68.54不知道你怎么算出来的。<img src="images/smilies/funk.gif" smilieid="61" border="0" alt="" /> <br />
<br />
Larrabee这个东西，在搞清楚这个项目的来龙去脉之前还是不要妄下结论的好，我可从来没说过它的什么好话，也没有拿他和Cell对比过。不多说了，总之，当 ...

<br />
PPE还是PPU？ms一样的意思？:unsure:

Prescott

Q6600的单精度浮点68.54不知道你怎么算出来的。:funk:

Larrabee这个东西，在搞清楚这个项目的来龙去脉之前还是不要妄下结论的好，我可从来没说过它的什么好话，也没有拿他和Cell对比过。不多说了，总之，当你以为看到Larrabee的时候，其实也不见得就是。:lol:

至于处理器效率的问题吗，哈哈，你也知道4-issue其实到最后IPC低于1是很正常的事情啊，那我告诉你，那个in-order的PPE跑同样的代码IPC能到0.1就谢天谢地了。忍不住进来再修改一下：0.1大概都是大大的高估了。:a)

[ 本帖最后由 Prescott 于 2007-8-28 11:37 编辑 ]

Edison

8 SPU@3.2GHz的peak FP32 FLOPS是204+GFLOPS，Q6600的peak FP32 FLOPS是68.54GFLOPS，1/3 CELL的水平就是你说的低不了多少，再来个Double才能说低不了多少吧。

在我看来类似定位的Intel Larrabee还是是沿用Tera Chip的架构，这样的架构没有前途Intel弄来干啥，在这几年的IDF和其他场合Intel都大力宣传special function unit相对通用单元的能耗/性能、发展前景你也不会不知道的。

4-way的super scalar架构才是永远不可能实现4-way execution的架构，连1-way都未必能在所有的程序中实现呢。

Prescott

原帖由 Edison 于 2007-8-28 10:45 发表
反正在你看来只要是通用CPU的AI弱项当然就不算是AI了。

通用CPU的弱项？就算是Cell唯一能够拿出来说的单精度浮点理论值，一个Q6600也不比Cell低多少吧。除了这个之外，Q6600哪一个不是比Cell高出一大截？以Cell的效率，除了非常极端的能够把Cell单精度发挥到极致的极少数代码之外，Cell已经远不是现在的Q6600的对手了。

认清楚形式吧，Cell这种东西没有前途的，等到它退出市场的时候，各位大佬在接受采访的时候大概还是只能假装客气地说：Cell真是潜力无限啊，我等才疏学浅，实在没有办法发挥Cell的全部实力。:lol:

[ 本帖最后由 Prescott 于 2007-8-28 10:58 编辑 ]

九泉苍月

继续保持观望态度
Edision和Prescott的技术口水又开始了

Edison

反正在你看来只要是通用CPU的AI弱项当然就不算是AI了。

Prescott

原帖由 Edison 于 2007-8-28 10:33 发表


AI的类型不只是通用CPU才能跑得快的专家系统。

http://www.chinaann.cn/plus/list.php?tid=6

http://www.intel.com/technology/computing/opencv/

不想和你争这个啦，总之模式识别很难得算到AI里边，最多是联系比较紧密而已。你非要扯上模式识别然后说Cell很适合处理AI，那我也无话可说啦。:p

你也知道我说的AI是什么，所以，没必要玩文字游戏。

[ 本帖最后由 Prescott 于 2007-8-28 10:45 编辑 ]

Edison

原帖由 Prescott 于 2007-8-28 10:14 发表

纠正一个常识性错误，模式识别基本上不能算作AI的范畴。

AI的类型不只是通用CPU才能跑得快的专家系统。

http://www.chinaann.cn/plus/list.php?tid=6

http://www.intel.com/technology/computing/opencv/

Prescott

原帖由 RacingPHT 于 2007-8-28 09:58 发表


嗯...这个月终于要被调进到跳楼圈里了, 45楼啊, :P
自己做做看究竟跳不跳楼吧。

回来写感想啊。:lol:

Prescott

原帖由 Edison 于 2007-8-28 03:18 发表
CELL BE跑AI（语音识别）：
http://researchweb.watson.ibm.com/journal/rd/515/liu.pdf

纠正一个常识性错误，模式识别基本上不能算作AI的范畴。