NVIDIAとAMDの「GPU」製品を比較【後編】

NVIDIA vs. AMD　「GPU」「ビデオカード」の演算能力が高いのはどっち？

NVIDIAとAMDは、共にGPU分野に重点的に投資している。両社のビデオカードは、演算能力などの性能や機能においてどのような違いがあるのか。

公開 2021年05月11日 05時00分

[TechTarget]

印刷する連載新着通知を受け取る Googleで優先するソースとして追加

　前編「NVIDIAのビデオカード『A100 Tensor Core GPU』は何がすごい？　AI向け機能も」に続いて、NVIDIAとAMD（Advanced Micro Devices）のGPU（グラフィックスプロセッシングユニット）製品の違いを紹介する。

　AMDは、2020年に科学技術計算などHPC（ハイパフォーマンスコンピューティング）分野を対象とするビデオカード「AMD Instinct MI100 Accelerator」（以下、Instinct MI100）を発売した。AMDはGPU製品のポートフォリオを、ゲーム向けの「RDNA」（Radeon DNA）と、データセンター向けの「CDNA」（Compute DNA）の2つのアーキテクチャに分割している。Instinct MI100は後者に入る。

併せて読みたいお薦め記事

半導体ベンダーの動き

「GPU」の基礎知識

　Instinct MI100は120個の「コンピュートユニット」（CU）を搭載する。CUを8ブロックに分け、基板上で相互接続する。CUは「ストリーミングプロセッサ」という演算ユニットの集合体になっている。1個のCUはストリーミングプロセッサを64個搭載する。「HBM2」（HBM：High Bandwidth Memory）準拠のメモリを搭載し、メモリ容量は合計32GB、メモリ帯域幅（データ転送速度）は最大1.2TB/秒となっている。Instinct MI100のCUは、機械学習で使用する行列型のデータの処理を高速化する「Matrix Core」という機能を備える。

　AMDのソフトウェア開発支援ライブラリ・ツール群「ROCm」を使うと、開発者はNVIDIAのGPUも含めて複数の環境向けのコードを記述し、コンパイル（変換）できる。「TensorFlow」や「PyTorch」など主要なオープンソースの機械学習フレームワークを利用することも可能だ。NVIDIAのGPU向けの開発環境「CUDA」のコードをAMDの製品向けに移植する方法も提供する。