인텔® AI 분석 툴킷(AI 키트) - 협우인포테크(주)

데이터 과학 및 AI 파이프라인 가속화

AI 키트는 데이터 과학자, AI 개발자 및 연구원에게 친숙한 Python* 도구 및 프레임워크를 제공하여 인텔® 아키텍처에서 종단 간 데이터 과학 및 분석 파이프라인을 가속화합니다. 구성 요소는 낮은 수준의 계산 최적화를 위해 oneAPI 라이브러리를 사용하여 빌드됩니다. 이 툴킷은 전처리부터 기계 학습까지 성능을 극대화하고 효율적인 모델 개발을 위한 상호 운용성을 제공합니다.

이 툴킷을 사용하여 다음을 수행할 수 있습니다.

intel XPU에 대한 고성능 딥 러닝 교육을 제공하고 TensorFlow* 및 PyTorch*용 intel®®에 최적화된 딥 러닝 프레임워크, 사전 학습된 모델 및 저정밀 도구를 사용하여 AI 개발 워크플로에 빠른 추론을 통합합니다.
intel에 최적화된 컴퓨팅 집약적 Python* 패키지, Modin*, scikit-learn* 및 XGBoost를 통해 데이터 전처리 및 기계 학습 워크플로우를 위한 드롭인 가속화를 달성하십시오.
intel에서 분석 및 AI 최적화에 직접 액세스하여 소프트웨어가 원활하게 함께 작동하도록 하십시오.

AI 키트로 구동되는 데이터 과학 워크스테이션

OEM(주문자 상표 부착 방식) 파트너는 랩톱, 데스크톱 또는 타워 구성인 인텔 기반 데이터 과학 워크스테이션을 제공합니다®.

® 데이터 과학 작업에 적합한 인텔 코어™ 또는 인텔® 제온® 프로세서
대용량 데이터 세트의 메모리 내 처리를 가능하게 하는 대용량 메모리 용량으로 데이터를 정렬, 필터링, 레이블 지정 및 변환하는 데 필요한 시간이 단축됩니다.
매우 큰 용량의 워크로드 및 메모리 내 데이터베이스를 위한 DRAM에 대한 경제적인 대안을 제공하는 인텔® Optane™ 영구 메모리
인텔 아키텍처에서 종단 간 AI 및 데이터 분석 파이프라인을 가속화하는 응용 프로그램 및 라이브러리가 포함된 AI 키트 소프트웨어
데이터 과학 워크스테이션

AI 키트는 일부 OEM 데이터 과학 워크스테이션에 사전 설치되어 제공됩니다. 설치 안내서를 사용하여 워크스테이션에서 AI 키트를 다운로드합니다.

Dell Precision* 데이터 과학 워크스테이션: 설치 안내서를 참조하십시오.
Z by Hewlett Packard Enterprise* 데이터 과학 워크스테이션: AI 키트 구성 요소는 데이터 과학 환경을 사용자 정의하기 위한 애플리케이션인 HP Data Science Stack에 의해 Z를 통해 미리 로드됩니다.
레노버 씽크스테이션* 및 씽크패드* P 시리즈 워크스테이션: 출하 시 설치.

데이터 과학 워크스테이션

벤치 마크

이러한 벤치마크는 AI 키트의 성능 기능을 보여줍니다.

기능

최적화된 딥 러닝

TensorFlow 및 PyTorch를 포함한 인기 있는 인텔에 최적화된 프레임워크를 활용하여 인텔 아키텍처의 모든 기능을 사용하고 교육 및 추론을 위한 고성능을 제공합니다.
인텔에서 최상의 성능을 위해 최적화한 오픈 소스, 사전 학습된 기계 학습 모델을 사용하여 개발을 가속화합니다.
저정밀도 최적화를 사용하여 성능, 모델 크기 또는 메모리 풋프린트와 같은 추가 목표와 함께 자동 정확도 기반 튜닝 전략을 활용하십시오.

데이터 분석 및 기계 학습 가속화

인텔 아키텍처에 최적화된 scikit-learn 및 XGBoost의 알고리즘으로 기계 학습 모델의 정확도와 성능을 향상시킵니다.
클러스터로 효율적으로 확장하고 Scikit-learn용 Intel Extension을 사용하여 분산 기계 학습을 수행합니다.

고성능 파이썬*

AI 및 데이터 분석을 위한 가장 인기 있고 빠르게 성장하는 프로그래밍 언어를 인텔 아키텍처에 최적화된 기본 명령어 세트로 활용하십시오.
기존 Python 코드에 대한 드롭인 성능 향상을 사용하여 더 큰 과학 데이터 세트를 더 빠르게 처리합니다.
고효율 멀티스레딩, 벡터화 및 메모리 관리를 달성하고 클러스터 전체에서 과학적 계산을 효율적으로 확장할 수 있습니다.

다중 노드 데이터 프레임에 걸쳐 단순화된 크기 조정

매우 가벼운 병렬 DataFrame인 Intel® Distribution of Modin*을 사용하여 단 한 줄의 코드 변경만으로 팬더 워크플로를 멀티코어 및 멀티 노드로 원활하게 확장하고 가속화할 수 있습니다.
OmniSci와 같은 고성능 백엔드로 데이터 분석을 가속화합니다.

뉴스

더 알아보세요

PyTorch with oneAPI Deep Neural Network Library (oneDNN)

PyTorch with Intel® oneAPI Collective Communications Library (oneCCL)

MLPerf 교육 | MLPerf 추론(oneCCL)

포함된 항목

Intel® Optimization for TensorFlow*

Google*과 협력하여 TensorFlow는 성능을 극대화하기 위해 oneDNN의 프리미티브를 사용하여 인텔 아키텍처에 직접 최적화되었습니다. 이 패키지는 CPU 사용 설정(–config=mkl)으로 컴파일된 최신 TensorFlow 바이너리 버전을 제공합니다.

Intel® Optimization for PyTorch*

Facebook*과 협력하여 이 인기 있는 딥 러닝 프레임워크는 이제 인텔의 많은 최적화와 직접 결합되어 인텔 아키텍처에서 우수한 성능을 제공합니다. 이 패키지는 CPU용 최신 PyTorch 릴리스의 바이너리 버전을 제공하고, 효율적인 분산 교육을 위해 oneCCL을 사용하여 인텔의 확장 및 바인딩을 추가합니다.

Model Zoo for Intel® Architecture

intel에서 intel 제온 스케일러블 프로세서에서 실행되도록 최적화한 많은 인기 있는 오픈 소스 기계 학습 모델에 대한 사전 학습된 모델, 샘플 스크립트, 모범 사례 및 단계별 자습서에 액세스합니다.

Intel® Neural Compressor

이 오픈 소스 Python 라이브러리를 사용하여 intel에서 최적화한 여러 딥 러닝 프레임워크에 통합된 저정밀도 추론 인터페이스를 제공합니다.

Intel® Extension for Scikit-learn*

단일 노드 및 다중 노드에서 intel® CPU 및 GPU에서 scikit-learn 응용 프로그램의 속도를 원활하게 높일 수 있습니다. 이 확장 패키지는 기계 학습 알고리즘의 속도를 높이면서 intel® oneAPI 데이터 분석 라이브러리(oneDAL)를 기본 솔버로 사용하도록 scikit-learn 추정기를 동적으로 패치합니다. 툴킷에는 필요한 모든 패키지와 함께 설치된 포괄적 인 Python 환경을 제공하기 위해 stock scikit-learn도 포함되어 있습니다. 이 확장은 scikit-learn의 마지막 네 가지 버전까지 지원하며 기존 패키지와 함께 사용할 수 있는 유연성을 제공합니다.

XGBoost Optimized for Intel Architecture

XGBoost 커뮤니티와 협력하여 인텔은 인텔 CPU에서 우수한 성능을 제공하기 위해 많은 최적화를 직접 업스트리밍하고 있습니다. 그라디언트 부스트 의사 결정 트리를 위한 이 잘 알려진 기계 학습 패키지에는 이제 인텔 아키텍처가 모델 교육 속도를 크게 높이고 더 나은 예측을 위해 정확도를 향상시킬 수 있는 원활한 드롭인 가속이 포함되어 있습니다.

Intel® Distribution of Modin*

팬더 워크플로를 가속화하고 팬더와 동일한 API를 갖춘 이 지능적이고 분산된 DataFrame 라이브러리를 사용하여 다중 노드 전처리를 확장합니다. 이 라이브러리는 백엔드의 OmniSci와 통합되어 분석을 가속화합니다. 이 구성 요소는 툴킷의 Anaconda* 배포판을 통해서만 사용할 수 있습니다. 다운로드하여 설치하려면 설치 안내서를 참조하십시오.

Intel® Distribution for Python*

intel® 성능 라이브러리를 사용하여 빌드된 핵심 Python 수치 및 과학 패키지의 가속화를 통해 더 큰 성능을 달성하십시오. 이 패키지에는 최신 SIMD(단일 명령 다중 데이터) 기능과 멀티코어 실행을 통해 최신 CPU를 완전히 사용할 수 있도록 꾸며진 Python 코드용 적시 컴파일러인 Numba 컴파일러*가 포함되어 있습니다. CPU 코드를 장치 코드에 다시 작성하지 않고도 동일한 프로그래밍 모델인 DPPy(Data Parallel Python)를 사용하여 여러 장치를 프로그래밍할 수 있습니다.

Intel® Advisor

최적화된 통신 패턴을 구현하여 딥 러닝 모델 학습을 여러 노드에 분산합니다.

Intel® Distribution for GDB*

기계 학습 및 데이터 분석 성능을 향상시킵니다.

Intel® Distribution for Python*

성능에 최적화된 빌딩 블록을 갖춘 인텔 CPU 및 GPU에서 빠른 신경망을 개발합니다.

Intel® DPC++ Compatibility Tool

CPU, GPU 및 FPGA 대상 아키텍처를 위해 C++ 및 SYCL 코드를 컴파일하고 최적화합니다.

Intel® FPGA Add-on for oneAPI Base Toolkit

주요 생산성 알고리즘 및 기능을 통해 데이터 병렬 워크로드의 속도를 높입니다.

Intel® Integrated Performance Primitives

행렬 대수, 고속 푸리에 변환(FFT) 및 벡터 수학을 포함한 수학 처리 루틴을 가속화합니다.