MLPerf訓(xùn)練最新發(fā)榜：谷歌、NV、浪潮 ，冠軍榜“三國(guó)殺”
浪潮獲全部8項(xiàng)訓(xùn)練任務(wù)的4項(xiàng)冠軍
美國(guó)東部時(shí)間6月30日，國(guó)際權(quán)威AI基準(zhǔn)測(cè)試MLPerf?公布最新一期榜單。在集群封閉任務(wù)賽道中，谷歌與NVIDIA各自獲得4項(xiàng)第一；在單機(jī)封閉任務(wù)賽道中，浪潮獲全部8項(xiàng)訓(xùn)練任務(wù)的4項(xiàng)冠軍，NVIDIA、Nettrix各獲得2項(xiàng)任務(wù)冠軍。
MLPerf?由圖靈獎(jiǎng)得主大衛(wèi)?帕特森（David?Patterson）聯(lián)合谷歌、斯坦福、哈佛大學(xué)等頂尖學(xué)術(shù)機(jī)構(gòu)發(fā)起成立，是影響力最廣的國(guó)際AI性能基準(zhǔn)評(píng)測(cè)。此次性能評(píng)測(cè)基于最新MLPerf? Training V1.0基準(zhǔn)，分為固定任務(wù)（Closed）和開(kāi)放任務(wù)（Open）。其中，固定任務(wù)要求使用相同模型和優(yōu)化器，衡量同一深度學(xué)習(xí)模型在不同軟硬件上的性能，廣受廠商和客戶(hù)看重；開(kāi)放任務(wù)則放開(kāi)對(duì)深度學(xué)習(xí)模型及精度的約束，側(cè)重深度學(xué)習(xí)模型及算法優(yōu)化的能力，旨在推進(jìn)ML模型和優(yōu)化的創(chuàng)新。
MLPerf?V1.0基準(zhǔn)測(cè)試涵蓋了8類(lèi)極具代表性的機(jī)器學(xué)習(xí)任務(wù)，分別為圖像識(shí)別（ResNet）、醫(yī)學(xué)影像分割（U-Net3D）、目標(biāo)物體檢測(cè)（SSD）、目標(biāo)物體檢測(cè)（Mask R-CNN）、語(yǔ)音識(shí)別（RNN-T）、自然語(yǔ)言理解（BERT）、智能推薦（DLRM）以及強(qiáng)化機(jī)器學(xué)習(xí)（MiniGo）。其中，ResNet50和BERT作為計(jì)算機(jī)視覺(jué)和自然語(yǔ)言理解中最具代表性的AI模型，競(jìng)爭(zhēng)最為激烈。
包括谷歌、NVIDIA、Intel、浪潮、戴爾、聯(lián)想等在內(nèi)的13家公司及科研機(jī)構(gòu)，參與了此次MLPerf?封閉任務(wù)賽道測(cè)試。
谷歌與NVIDIA在集群系統(tǒng)測(cè)試中展開(kāi)激烈冠亞軍爭(zhēng)奪，最終谷歌獲得了ResNet、SSD、BERT和DLRM四項(xiàng)任務(wù)的第一，NVIDIA則奪得U-Net3D、Mask R-CNN、RNN-T和MiniGo四項(xiàng)任務(wù)冠軍，雙方平分秋色。在單機(jī)系統(tǒng)測(cè)試中浪潮獲得ResNet、SSD、BERT和DLRM四項(xiàng)任務(wù)的冠軍，NVIDIA獲得RNN-T和MiniGo兩項(xiàng)第一，Nettrix獲得U-Net3D、Mask R-CNN兩項(xiàng)第一。
作為業(yè)內(nèi)最權(quán)威的AI基準(zhǔn)測(cè)試，每一次MLPerfTM評(píng)測(cè)結(jié)果都在刷新業(yè)內(nèi)紀(jì)錄，不斷突破AI系統(tǒng)性能。和2020年榜單相比，今年榜單的各項(xiàng)任務(wù)測(cè)試成績(jī)均有明顯提升。在集群訓(xùn)練上，Google在ResNet模型訓(xùn)練任務(wù)中以0.23分鐘打破2020年創(chuàng)下的0.47分鐘紀(jì)錄，耗時(shí)縮短51%**；在Bert模型任務(wù)中Google以0.29分鐘完成訓(xùn)練，相比2020年0.39分鐘的最佳紀(jì)錄，用時(shí)縮短26%。
在單機(jī)性能上，浪潮同樣在備受關(guān)注的ResNet和BERT上取得了新突破，創(chuàng)下單機(jī)27.38分鐘完成128萬(wàn)張圖片訓(xùn)練BERT模型的新紀(jì)錄，比2020年最佳紀(jì)錄耗時(shí)縮短18%；在BERT模型訓(xùn)練中，浪潮以21.15分鐘打破2020年最佳成績(jī)49.01分鐘，用時(shí)縮短57%。
相關(guān)閱讀
時(shí)隔6年BERT升級(jí)！僅編碼器架構(gòu)沒(méi)被殺死，更快更準(zhǔn)確更長(zhǎng)上下文
抱抱臉CEO：愛(ài)了?。?/p>
