SpaceCloud™ Solutions
Få fördelar med våra datorlösningar för SpaceCloud™ molntjänster
SpaceCloudlösningar
Datorlösningar för SpaceCloud™
Unibap erbjuder rymddatorlösningar för stora och små rymdfarkoster. En datorlösning innehåller allt som behövs i termer av kraftgenerering, beräkning, datalagring, kommunikationgränssnitt m.m. Därför går en datorlösning inte att jämföra med ett enskilt datorkort. Datorlösningarna ryms inom en kraftbudget på under 30 W, en volym mindre än 1U CubeSat enhet (95 mm x 95 mm x 50 mm) och typiskt en vikt under 250 gram. Unibaps datorlösningar drivs med 12 V DC spänningsmatning.
Unibaps iX51xx datorlösningar är baserade på 28 nm AMD APU kretsar och FPGA från Microsemi med möjlighet att ansluta en eller flera Intel Vision Processing Units (VPU) kretsar från Movidus Myriad familjen som extra beräkningskraft. En illustration av iX5100 konfiguration visas här med Camera Link sensor gränsnitt och radiogränssnitt för S och X band (upp till 100 Mbps).
Ovan: iX5100 illustration.
Unibaps iX101xx datorlösningar är baserade på 14 nm AMD Ryzen APU kretsar och FPGA från Microsemi med möjlighet att ansluta en eller flera Intel Vision Processing Units (VPU) kretsar från Movidus Myriad familjen som extra beräkningskraft. En illustration av iX101xx konfiguration visas här i grundutförande utan I/O kort.
Ovan: iX101xx illustration.
iX5100
iX5100 är första generationens SpaceCloud datorlösning baserad på 28 nm AMD x86 processor och GPU teknik i kombination med Microsemi SmartFusion2 FPGA. Produkten kan anpassas till kunders olika input/output (I/O) behov. Lösningen har även en miniPCIe slot för expantion, för exempelvis Intel VPU ASICs ur Movidius Myriad serien. PCIe generation 2.
iX10100 (ROCm stöd)
iX10100 är andra generationens SpaceCloud datorlösning baserad på 14 nm AMD x86 Ryzen processor och GPU teknik i kombination med Microsemi PolarFire FPGA. Produkten kan anpassas till kunders olika input/output (I/O) behov. Lösningen har även en miniPCIe slot för expantion, för exempelvis Intel VPU ASICs ur Movidius Myriad serien. En av M.2. slotarna kan konfigureras som en eNVM höghastighetsport. PCIe generation 3.
Användarexempel
Prestandajämförelse
En översikt av iX51xx och iX10xxx familjernas prestanda finns summerad här som jämförelse.
| Övergripande prestanda | ||
|---|---|---|
| iX5xxx | iX10xxx | |
| CoreMark v1.0 | 5,842.98 (GCC8.1.0 -O3 -funroll -loops -fgcse-sm -mfpmath =both -DPERFORMANCE_RUN=1 – lrt / Heap) |
25,506.95 (GCC9.2.1 20191102 -O3 -funroll-loops -fgcse-sm -mfpmath=both -DPERFORMANCE_RUN=1 -lrt / Heap) |
| Linpack [GFLOPS] | 4.6 | 54 |
| Clpeak GPU [GFLOPS] | 87 (FP32) | 2000 (FP16) |
| FPGA DSP Cores | 72 (18×18) | 924 (18×18) |
| FPGA heterogeneous interconnect [Gbps] | 6.4 | 12.8 |
| Storage interfaces | 2 x SATA channels v3, 6 Gbps Optional tailoring, eNVM, PCIe gen2 x4 lanes (20GT/s) | 2 x SATA channels v3, 6 Gbps (1 port, switeble to eNVM PCIe gen 3 x1)Optional tailoring,eNVM, PCIe gen3 x4 lanes (32GT/s) |
| Optional AI accelerators | Yes (up to 30 Gbps IO bandwidth, PCIe and USB) Multiple Intel Movidius Myriad X VPUs as example |
Yes (up to 50 Gbps IO bandwidth, PCIe and USB) Multiple Intel Movidius Myriad X VPUs as example |
AMD ROCm (för iX10 familjen)
Kör Nvidia CUDA kod på SpaceCloud. Spar utvecklingstid. Caffe TensorFlow Theano MIOpen NCCL HIP
Unibap har anpassat AMDs högprestanda beräkningspaket (HPC), ROCm till SpaceCloud-produktfamiljen iX10 och nyare.
Notera att det inte går att använda grundversionen av ROCm. Endast den av Unibap anpassade ROCm för SpaceCloud är möjlig att använda.
Ett exempel på konvertering av Nvidia CUDA kod med AMD HIP kompilator för exekevering på iX10 familjen.
$ hipify-perl square.cu > square.cpp // ROCm “Hipify” an Nivida CUDA code to generic cpp code.
$ hipcc square.cpp -o square_hip // Compile the cpp code with AMD “hip compiler” to either AMD or back to Nvidia.
$ ./square_hip // and finally run it on Unibap’s SpaceCloud™ ROCm stack for AMD APU devices.
info: running Square CUDA example on device AMD Ryzen Embedded V1605B with Radeon Vega GFX
info: allocate host mem ( 7.63 MB) info: allocate device mem ( 7.63 MB)
info: copy Host2Device info: launch ‘vector_square’ kernel info: copy Device2Host
info: check result PASSED!