您现在的位置是:首页 >互联网 > 2020-10-22 13:58:03 来源:

Nvidia在MLPerf AI基准测试中创下新纪录

导读 英伟达公司表示,其在今天发布的新基准测试中的出色表现表明,其超级计算机硬件是最适合训练人工智能算法的平台之一。该公司的DGX SuperPO

英伟达公司表示,其在今天发布的新基准测试中的出色表现表明,其超级计算机硬件是最适合训练人工智能算法的平台之一。

该公司的DGX SuperPOD平台由其最新的Tesla V100 Tensor Core图形处理单元提供动力,并在其CUDA-X AI软件上运行,在六个MLPerf类别中均创下了新记录,在不到20分钟的时间内完成了每个任务。

MLPerf是一种AI推理基准测试,旨在测量六类系统的电源,效率和性能,其中一类用于图像分类,两类用于对象检测,两类用于翻译以及一类强化学习,与培训机器人,智能城市有关交通流量系统等。简而言之,MLPerf基准测试衡量系统在这些类别中训练机器学习模型的速度。

英伟达的DGX SuperPOD系统在MLPerf基准测试中与Google LLC和英特尔公司的最新AI硬件竞争,并表明它很容易与竞争对手的平台相提并论。

Nvidia加速计算产品营销总监Paresh Kharya在新闻发布会上说:“我们在这一轮中打破了八项性能记录,最大规模达到了三项,每个加速器达到了五项。”

实际上,Nvidia实际上粉碎了这些记录。例如,其NVIDIA DGX SuperPOD系统可以训练ResNet 50模型进行图像识别,该任务仅仅两年前就花了大约八个小时,而在最新测试中仅花费了80秒。

Nvidia的系统还使更加困难的算法变得无可争议,例如重量级物体检测和强化学习。重量级物体检测依赖于MASK R-CNN深度神经网络,并通过组合多个数据源,使诸如摄像机,传感器,激光雷达和超声波机器之类的设备能够精确识别和定位特定物体。

训练MASK R-CNN深度神经网络过去需要花费数百小时。这次,Nvidia能够在不到19分钟的时间内完成任务,这几乎是其他新AI系统完成速度的两倍。

例如,用于在工厂车间训练机器人的MiniGo AI强化训练模型,Nvidia的平台仅需13.57分钟即可完成此任务。

总而言之,英伟达的DGX SuperPOD平台被证明是六个MLPerf类别中三个类别中最快的,并且仅次于Google的Tensor处理单元在SSD类别和两个转换测试中胜出:

Moor Insights&Strategy的高性能计算和深度学习分析师Karl Freund表示:“由于Google和Nvidia之间的节点数量相差很大,因此很难确定谁拥有最快的芯片。” “但是Nvidia和Google一样赢得了三个大型基准测试。此外,Nvidia上次使用相同的v100芯片组能够实现大约80%的显着提速,这是对其软件实力的赞扬。如果您是一家有希望的初创企业,那么就很难追逐它。”