机器学习记录：NVIDIA再次打破MLPerf基准测试的性能记录

由人工智能专家和计算机公司组成的联盟MLPerf发布了一组新的机器学习记录。这些记录是在一系列衡量推理速度的基准上设定的：一个已经训练过的神经网络能多快地用新数据完成任务。手机和平板电脑的基准测试首次受到质疑。据MLPerf母公司执行董事David Kanter透露，一款可下载的应用程序正在研制中，它将允许任何人测试自己智能手机或平板电脑的人工智能能力。

MLPerf的目标是提供一个公平和直接的方法来比较人工智能系统。包括戴尔、英特尔和英伟达在内的23家机构共提交了1200份调查结果，这些结果经过了同行评审，并接受了随机的第三方审计。（谷歌在这一轮明显缺席。）正如去年夏天发布的培训人工智能的MLPerf记录一样，Nvidia是主导力量，在数据中心和边缘计算系统的所有六个类别中都超过了竞争对手。包括思科（Cisco）和富士通（Fujitsu）等合作伙伴提交的报告，该公司的数据显示，共有1029份报告使用了Nvidia芯片，占edge和数据中心类别总数的85%。

“Nvidia在每项测试中都表现出色，”Nvidia加速计算产品管理高级总监Paresh Kharaya说。Nvidia的A100 GPU为其在数据中心领域的胜利提供了动力，而其Xavier则是GPU制造商在边缘计算领域取得胜利的幕后推手。根据Kharaya的说法，在新的MLPerf基准之一深度学习推荐模型（Deep Learning Recommendation Mode，DLRM）中，一个DGX A100系统相当于1000个基于CPU的服务器。

今年引入了四个新的推断基准，加上上一轮遗留下来的两个：

BERT，是一个由Google贡献的自然语言处理人工智能。给出一个问题输入，BERT预测一个合适的答案。

DLRM，是一个经过训练优化点击率的推荐系统。它用于推荐网上购物的商品，并对搜索结果和社交媒体内容进行排名。Facebook是DLRM代码的主要贡献者。

3D U-Net，在医学成像系统中被用来判断MRI扫描中哪些3D体素是肿瘤的一部分，哪些是健康组织。它是根据脑瘤数据集训练的。

RNN-T，是一种用于递归神经网络传感器的语音识别模型。给定一个语音输入序列，它预测相应的文本。

除了这些新指标之外，MLPerf还为移动设备制定了第一套基准测试，这些基准用于测试联发科（MediaTek）、高通（Qualcomm）和三星（Samsung）的智能手机和平板电脑平台，以及英特尔（Intel）的笔记本电脑。新的基准包括：

MobileNetEdgeTPU，一个图像分类基准，被认为是计算机视觉中最普遍的任务。它代表了一个照片应用程序如何能够识别出你或你朋友的脸。

SSD-MobileNetV2，用于MobileNetV2的单次多盒检测，经过训练可在300x300分辨率的输入帧中检测80种不同的对象类别。在视频中实时跟踪和识别物体。

DeepLabv3+MobileNetV2，这是用来理解虚拟现实和导航等场景的，它在计算摄影应用程序中扮演着重要角色。

MobileBERT，是自然语言处理BERT模型的一个更大的移动优化变体，它针对问题回答进行了微调。给定一个问题输入，MobileBERT生成一个答案。

Image: NVIDIANvidia’s A100 swept the board in AI inferencing tasks where the data was available all at once (offline) or delivered as it would be in online (server).

Kanter称，这些基准测试是在一个专门构建的应用程序上运行的，每个人都应该在几个月内就可以使用。

近日公布的结果被称为0.7版本，目前该组织仍在加大力度完善内容。1.0版本可能在2021年完成。

责任编辑：xj

原文标题：NVIDIA再次打破MLPerf基准测试的性能记录

文章出处：【微信公众号：IEEE电气电子工程师学会】欢迎添加关注！文章转载请注明出处。