智東西（公眾號(hào)：zhidxcom）
編 | 韋世瑋
導(dǎo)語(yǔ)：昨日，MLPerf基準(zhǔn)測(cè)試公布了最新的測(cè)試結(jié)果，其中谷歌云和英偉達(dá)的硬件均打破以往AI訓(xùn)練測(cè)試的記錄，展現(xiàn)了它們?cè)谟?xùn)練人工智能方面的強(qiáng)大性能。
智東西7月11日消息，昨日，MLPerf基準(zhǔn)聯(lián)盟公布了最新一輪的基準(zhǔn)測(cè)試數(shù)據(jù)，結(jié)果顯示，英偉達(dá)和谷歌云刷新了人工智能訓(xùn)練時(shí)間的記錄。
MLPerf是一項(xiàng)用于測(cè)試ML（Machine Learning）硬件、軟件以及服務(wù)的訓(xùn)練和推理性能的公開(kāi)基準(zhǔn)。它能幫助人工智能研究人員采用通用標(biāo)準(zhǔn)來(lái)衡量用于訓(xùn)練人工智能的硬件、軟件的最佳性能和速度。
目前，MLPerf基準(zhǔn)測(cè)試正迅速成為測(cè)量機(jī)器學(xué)習(xí)性能的行業(yè)標(biāo)準(zhǔn)，得到了來(lái)自40多家公司和研究人員的支持，如亞馬遜、ARM、百度、谷歌和微軟。
最新一輪的訓(xùn)練基準(zhǔn)測(cè)試由英特爾、谷歌和英偉達(dá)提交。
一、英偉達(dá)Tesla V100：80秒內(nèi)完成圖像分類(lèi)
MLPerf v0.6訓(xùn)練基準(zhǔn)測(cè)試套件包含六部分，即圖像分類(lèi)、目標(biāo)檢測(cè)、翻譯、測(cè)量、推薦和強(qiáng)化學(xué)習(xí)，基準(zhǔn)測(cè)試結(jié)果則依據(jù)機(jī)器學(xué)習(xí)加速硬件的訓(xùn)練性能，以及達(dá)成標(biāo)準(zhǔn)質(zhì)量目標(biāo)所需的時(shí)間。
據(jù)最終測(cè)試結(jié)果顯示，英偉達(dá)的Tesla V100 Tensor Core GPU使用了英偉達(dá)DGX SuperPOD，在80秒內(nèi)完成了圖像分類(lèi)的ResNet-50模型內(nèi)部訓(xùn)練。
相比之下，2017年英偉達(dá)使用DGX-1工作站來(lái)進(jìn)行相同任務(wù)時(shí)，則需要8小時(shí)才能完成模擬訓(xùn)練。
英偉達(dá)在訓(xùn)練基準(zhǔn)結(jié)果記錄上的突破，主要來(lái)自于軟件的進(jìn)步。
該公司的一位發(fā)言人表示，在同一個(gè)DGX-2工作站的短短7個(gè)月內(nèi)，他們的客戶(hù)已經(jīng)能享受高達(dá)80%以上的性能提升，這些都?xì)w功于他們生態(tài)系統(tǒng)正在做的所有軟件改進(jìn)和工作。
二、谷歌云TPU v3 Pods：51秒英德機(jī)翻速度
在基準(zhǔn)測(cè)試中，谷歌云的TPU v3 Pods在51秒內(nèi)呈現(xiàn)了Transformer模型將英語(yǔ)文本翻譯成德語(yǔ)文本的創(chuàng)紀(jì)錄性能。
TPU pods 還利用ImageNet數(shù)據(jù)集，在ResNet-50模型的圖像分類(lèi)基準(zhǔn)中取得了創(chuàng)紀(jì)錄性能，并在1分12秒內(nèi)完成了另一個(gè)目標(biāo)檢測(cè)類(lèi)別的模型訓(xùn)練。
值得一提的是，今年谷歌云在5月份首次公測(cè)推出的TPU v3 Pods能夠利用超過(guò)1000個(gè)TPU芯片的能量。
此外，AlphaGo Zero模型的開(kāi)源實(shí)現(xiàn)Minigo也參與了測(cè)試，Minigo在13.5分鐘內(nèi)完成了強(qiáng)化學(xué)習(xí)，刷新了一項(xiàng)新記錄。
三、MLPerf推理基準(zhǔn)初步結(jié)果將于10月共享
昨日發(fā)布的MLPerf v0.6是機(jī)器學(xué)習(xí)培訓(xùn)性能基準(zhǔn)套件的第二輪競(jìng)賽結(jié)果，第一輪是MLPerf v0.5。
與v0.5相比，v0.6測(cè)試基準(zhǔn)在圖像分類(lèi)（ResNet）的質(zhì)量目標(biāo)、數(shù)據(jù)集和模型等方面都有了明顯的改進(jìn)。
這最新一輪的訓(xùn)練基準(zhǔn)測(cè)試由英特爾、谷歌和英偉達(dá)提交，英偉達(dá)和谷歌曾在2018年12月分享了它們的第一個(gè)MLPerf訓(xùn)練基準(zhǔn)結(jié)果，展示了它們性能強(qiáng)大和快速的訓(xùn)練人工智能模型的硬件。
此前，MLPerf在上個(gè)月發(fā)布了計(jì)算機(jī)視覺(jué)和語(yǔ)言翻譯推理基準(zhǔn)。MLPerf推理工作組聯(lián)合主席David Kanter表示，MLPerf推理基準(zhǔn)的初步結(jié)果將于9月進(jìn)行審查，并于10月公開(kāi)分享。
結(jié)語(yǔ)：展現(xiàn)最前端的人工智能機(jī)器學(xué)習(xí)性能
MLPerf基準(zhǔn)聯(lián)盟的測(cè)試數(shù)據(jù)為大家展示了各大高科技公司在人工智能機(jī)器學(xué)習(xí)方面的潛力和優(yōu)勢(shì)，給行業(yè)內(nèi)的研究人員和人工智能市場(chǎng)提供了許多借鑒信息。
基于MLPerf基準(zhǔn)測(cè)試的推動(dòng)，各大公司不斷研發(fā)并提升硬件和軟件性能的競(jìng)賽野心也將被激發(fā)，從而將進(jìn)一步促進(jìn)人工智能的發(fā)展。
MLPerf Training v0.6結(jié)果：https://mlperf.org/training-results-0-6
文章來(lái)源：Venture Beat
