Nvidia在MLPerf AI基準測試中創下新紀錄

英偉達公司表示，其在今天發布的新基準測試中的出色表現表明，其超級計算機硬件是最適合訓練人工智能算法的平臺之一。

該公司的DGX SuperPOD平臺由其最新的Tesla V100 Tensor Core圖形處理單元提供動力，并在其CUDA-X AI軟件上運行，在六個MLPerf類別中均創下了新記錄，在不到20分鐘的時間內完成了每個任務。

MLPerf是一種AI推理基準測試，旨在測量六類系統的電源，效率和性能，其中一類用于圖像分類，兩類用于對象檢測，兩類用于翻譯以及一類強化學習，與培訓機器人，智能城市有關交通流量系統等。簡而言之，MLPerf基準測試衡量系統在這些類別中訓練機器學習模型的速度。

英偉達的DGX SuperPOD系統在MLPerf基準測試中與Google LLC和英特爾公司的最新AI硬件競爭，并表明它很容易與競爭對手的平臺相提并論。

Nvidia加速計算產品營銷總監Paresh Kharya在新聞發布會上說：“我們在這一輪中打破了八項性能記錄，最大規模達到了三項，每個加速器達到了五項。”

實際上，Nvidia實際上粉碎了這些記錄。例如，其NVIDIA DGX SuperPOD系統可以訓練ResNet 50模型進行圖像識別，該任務僅僅兩年前就花了大約八個小時，而在最新測試中僅花費了80秒。

Nvidia的系統還使更加困難的算法變得無可爭議，例如重量級物體檢測和強化學習。重量級物體檢測依賴于MASK R-CNN深度神經網絡，并通過組合多個數據源，使諸如攝像機，傳感器，激光雷達和超聲波機器之類的設備能夠精確識別和定位特定物體。

訓練MASK R-CNN深度神經網絡過去需要花費數百小時。這次，Nvidia能夠在不到19分鐘的時間內完成任務，這幾乎是其他新AI系統完成速度的兩倍。

例如，用于在工廠車間訓練機器人的MiniGo AI強化訓練模型，Nvidia的平臺僅需13.57分鐘即可完成此任務。

總而言之，英偉達的DGX SuperPOD平臺被證明是六個MLPerf類別中三個類別中最快的，并且僅次于Google的Tensor處理單元在SSD類別和兩個轉換測試中勝出：

Moor Insights&Strategy的高性能計算和深度學習分析師Karl Freund表示：“由于Google和Nvidia之間的節點數量相差很大，因此很難確定誰擁有最快的芯片。” “但是Nvidia和Google一樣贏得了三個大型基準測試。此外，Nvidia上次使用相同的v100芯片組能夠實現大約80%的顯著提速，這是對其軟件實力的贊揚。如果您是一家有希望的初創企業，那么就很難追逐它。”