ข้อมูลผลิตภัณฑ์และประสิทธิภาพ

1คอมไพเลอร์ Intel® อาจจะได้หรือไม่ได้รับการปรับแต่งประสิทธิภาพในระดับเดียวกันสำหรับไมโครโปรเซสเซอร์ที่ไม่ใช่จาก Intel สำหรับการปรับแต่งบางอย่างที่ไม่ใช่การปรับแต่งจำเพาะที่มีในไมโครโปรเซสเซอร์ Intel® การปรับแต่งประสิทธิภาพเหล่านี้รวมถึงชุดคำสั่ง SSE2, SSE3, และ SSSE3 และการปรับแต่งประสิทธิภาพอื่นๆ Intel ไม่รับประกันความพร้อมใช้งาน ฟังก์ชันการทำงาน หรือประสิทธิผลของการปรับแต่งใดๆ บนไมโครโปรเซสเซอร์ที่ไม่ได้ผลิตโดย Intel การปรับแต่งประสิทธิภาพที่ขึ้นอยู่กับรุ่นของไมโครโปรเซสเซอร์ในผลิตภัณฑ์นี้ มีวัตถุประสงค์เพื่อใช้กับไมโครโปรเซสเซอร์ของ Intel การปรับแต่งประสิทธิภาพบางอย่างที่ไม่จำเพาะกับสถาปัตยกรรมย่อส่วนของ Intel® นั้นสงวนไว้สำหรับไมโครโปรเซสเซอร์ของ Intel โปรดอ้างอิงถึงผู้ใช้ผลิตภัณฑ์ที่เกี่ยวข้อง และคู่มืออ้างอิงเพื่อดูข้อมูลเพิ่มเติมเกี่ยวกับชุดคำสั่งเฉพาะที่ครอบคลุมในประกาศนี้
2

“ศักยภาพของปัญญาประดิษฐ์ในด้านการดูแลสุขภาพ,” มิถุนายน 2019, Future Healthcare Journal, ncbi.nlm.nih.gov/pmc/articles/PMC6616181/

3

“ประโยชน์และข้อจำกัดของระบบห้องปฏิบัติการอัตโนมัติ: ภาพรวมจากมุมมองส่วนบุคคล,” Clinical Chemistry and Laboratory Medicine (CCLM), กุมภาพันธ์ 2019, degruyter.com/view/journals/cclm/57/6/article-p802.xml.

4การกำหนดค่า: โมเดลดั้งเดิมได้รับการฝึกฝนโดยใช้ TensorFlow 1.6 สำหรับ Python 2.7 โดยไม่มีการปรับแต่ง Intel® และแปลงโดย GE Healthcare เป็น OpenVINO™ 2018 R4 ฮาร์ดแวร์และการกำหนดค่าที่ใช้สำหรับการทดสอบ: โหนดประมวลผลภาพ GE Gen6-P 3.10.0-862.el7.x86_64; โปรเซสเซอร์: โปรเซสเซอร์ Intel® Xeon® E5-2680 v3; ความเร็ว; 2.5 กิกะเฮิร์ตซ์; คอร์: 12 คอร์ต่อซ็อกเก็ต คอนเทนเนอร์ Docker สามารถเข้าถึงคอร์ของ CPU 22 คอร์ ซ็อกเก็ต: สอง; แรม: 96 GB (DDR4); ไฮเปอร์เธรดดิ้ง: เปิดใช้งาน; การอัปเดตการรักษาความปลอดภัย: ใช้การอัปเดต Spectre และ Meltdown ซอฟต์แวร์ที่ใช้สำหรับการทดสอบ: เวอร์ชัน TensorFlow: 1.6 โดยไม่มีการปรับแต่ง Intel® MKL-DNN; รุ่น Gcc: 2.8.5; เวอร์ชัน Python: 2.7; รุ่น OpenVINO™: 2018 R4 (เซิร์ฟเวอร์รุ่น v0.2); ระบบปฏิบัติการ: HeliOS 7.4 (ไนโตรเจน)
5การเปิดเผยการกำหนดค่าการทดสอบระบบ: Intel® Core™ i5-4590S CPU @ 3.00 GHZ, x86_64, เปิดใช้งาน VT-x, หน่วยความจำ 16 GB, ระบบปฏิบัติการ: Linux Magic x86_64 GNU/Linux, คอนเทนเนอร์ดอกเกอร์บริการที่อ้างอิง Ubuntu 16.04 การทดสอบที่ทำโดย GE Healthcare, กันยายน 2018 การทดสอบเปรียบเทียบเวลาในการอ้างอิงรวมของรุ่น TensorFlow 3.092 วินาทีกับรุ่นเดียวกันที่ปรับแต่งโดยชุดเครื่องมือ Intel® Distribution of OpenVINO ™ ที่ปรับให้เหมาะสมกับรุ่น TF ซึ่งส่งผลให้ได้เวลาในการอ้างอิงรวม 0.913 วินาที