近日,，人工智能行業(yè)組織MLCommons發(fā)布了一組新的人工智能績效榜單MLPerf Version 1.1。其中可以看到,，其遵循了五個(gè)月前的第一套官方基準(zhǔn),，包括來自20多個(gè)組織的1800多項(xiàng)結(jié)果，以及350項(xiàng)能源效率測量,。根據(jù)MLCommons的數(shù)據(jù),，大多數(shù)系統(tǒng)的性能比今年早些時(shí)候提高了5-30%，其中一些系統(tǒng)的性能數(shù)據(jù)比以前提高了一倍多,。在近日宣布一個(gè)新的機(jī)器學(xué)習(xí)基準(zhǔn)測試（稱為TCP AIx）之后,，出現(xiàn)了新的結(jié)果。
在MLPerf的推斷基準(zhǔn)測試中,，由CPU和GPU或其他加速器芯片組合而成的系統(tǒng)在多達(dá)六個(gè)神經(jīng)網(wǎng)絡(luò)上進(jìn)行測試,，這些神經(jīng)網(wǎng)絡(luò)執(zhí)行各種常見功能：圖像分類、目標(biāo)檢測,、語音識(shí)別,、3D醫(yī)學(xué)成像、自然語言處理和推薦,。對(duì)于基于商業(yè)數(shù)據(jù)中心的系統(tǒng),，他們?cè)趦煞N條件下進(jìn)行了測試：模擬實(shí)時(shí)數(shù)據(jù)中心活動(dòng)，其中查詢以突發(fā)方式完成,；以及“離線”活動(dòng),，其中所有數(shù)據(jù)一次可用。本應(yīng)在現(xiàn)場工作而不是在數(shù)據(jù)中心工作的計(jì)算機(jī)（MLPerf稱之為邊緣）是在離線狀態(tài)下測量的,，就像它們接收到單一數(shù)據(jù)流一樣,，例如來自安全攝像頭的數(shù)據(jù)流,。
盡管有來自戴爾、HPE,、浪潮,、英特爾、LTech Korea,、聯(lián)想,、Nvidia、Neuchips,、高通和其他公司的數(shù)據(jù)中心級(jí)提交,，但除高通和Neuchips公司外，其他公司都使用了Nvidia AI加速器芯片,。英特爾根本沒有使用加速器芯片,，而是單獨(dú)展示其CPU的性能。Neuchips只參與了推薦基準(zhǔn)測試,，因?yàn)樗麄兊募铀倨鱎ecAccel專門設(shè)計(jì)用于加速推薦電子商務(wù)項(xiàng)目和搜索結(jié)果排名的推薦系統(tǒng),。
MLPerf tests six common AIs under several conditions.NVIDIA
對(duì)于Nvidia提交的結(jié)果，該公司僅使用軟件改進(jìn)就彌補(bǔ)了過去一年50%的性能改進(jìn),。測試的系統(tǒng)通常由一個(gè)或兩個(gè)CPU以及多達(dá)八個(gè)加速器組成,。在每臺(tái)加速器的基礎(chǔ)上，使用Nvidia A100加速器的系統(tǒng)顯示的性能是使用低功率Nvidia A30的系統(tǒng)的兩倍或更多,?；贏30的計(jì)算機(jī)在服務(wù)器場景的六次測試中，有四次超過了基于高通公司Cloud AI 100的系統(tǒng),。
然而,，高通公司產(chǎn)品管理高級(jí)總監(jiān)John Kehrli指出，高通公司的加速器被故意限制為每個(gè)芯片的數(shù)據(jù)中心友好型75瓦功率外殼,，但在離線圖像識(shí)別任務(wù)中,，他們?nèi)匀辉O(shè)法通過了一些基于Nvidia A100的計(jì)算機(jī)，這些計(jì)算機(jī)配備了加速器,，每個(gè)加速器的峰值熱設(shè)計(jì)為400W,。
Nvidia has made gains in AI using only software improvements.NVIDIA
Nvidia AI推論高級(jí)產(chǎn)品經(jīng)理Dave Salvator指出了該公司加速器的兩個(gè)其他結(jié)果：第一，Nvidia A100加速器首次與服務(wù)器級(jí)Arm CPU而不是x86 CPU配對(duì),。在所有六個(gè)基準(zhǔn)測試中,，Arm和x86系統(tǒng)之間的結(jié)果幾乎相同?！斑@對(duì)Arm來說是一個(gè)重要的里程碑，”Salvator表示,，“這也是關(guān)于我們的軟件堆棧準(zhǔn)備就緒,，能夠在數(shù)據(jù)中心環(huán)境中運(yùn)行Arm體系結(jié)構(gòu)的聲明,。”
與正式的MLPerf基準(zhǔn)測試不同,，Nvidia展示了一種稱為多實(shí)例GPU（MiG）的新軟件技術(shù),，該技術(shù)允許單個(gè)GPU從軟件角度看就像它是七個(gè)獨(dú)立的芯片。當(dāng)該公司同時(shí)運(yùn)行所有六個(gè)基準(zhǔn)測試,，再加上一個(gè)額外的對(duì)象檢測實(shí)例（假設(shè)是flex）時(shí),，結(jié)果是單個(gè)實(shí)例值的95%。
基于Nvidia A100的系統(tǒng)還清理了邊緣服務(wù)器類別,，該類別的系統(tǒng)設(shè)計(jì)用于商店和辦公室等場所,。這些計(jì)算機(jī)按照相同的六個(gè)基準(zhǔn)測試中的大部分進(jìn)行測試，但推薦系統(tǒng)被替換為低分辨率的目標(biāo)檢測,。但在這個(gè)類別中,，有更廣泛的加速器可供選擇，包括Centaur的人工智能集成協(xié)處理器,；高通公司的AI 100,；Edgecortix的DNA-F200 v2，Nvidia的Jetson Xavier和FuriosaAI的Warboy,。
Qualcomm topped the efficiency ranking for a machine vision test.QUALCOMM
使用CPU和加速器數(shù)量不同的系統(tǒng),，在兩種商業(yè)類別的兩種條件下進(jìn)行六次測試，MLPerf性能結(jié)果實(shí)際上不適用于類似Top500.org通過超級(jí)計(jì)算實(shí)現(xiàn)的簡單有序列表,。最接近的部分是效率測試,，可以歸結(jié)為離線組件每瓦特每秒的推斷。高通公司系統(tǒng)在數(shù)據(jù)中心和邊緣類別的對(duì)象識(shí)別,、對(duì)象檢測和自然語言處理方面進(jìn)行了效率測試,。在每瓦特每秒的推斷方面，他們?cè)跈C(jī)器視覺測試中擊敗了Nvidia支持的系統(tǒng),，但在語言處理方面沒有,。Nvidia加速系統(tǒng)占據(jù)了所有其他位置。
近日推出了新的基準(zhǔn),，目標(biāo)是一個(gè)單一的數(shù)字,，這似乎與MLPerf的多維性背道而馳。e Transaction Processing Performance委員會(huì)稱TCPx AI基準(zhǔn)：
生成和處理大量數(shù)據(jù)
訓(xùn)練預(yù)處理數(shù)據(jù)以生成真實(shí)的機(jī)器學(xué)習(xí)模型
根據(jù)生成的模型對(duì)真實(shí)客戶場景進(jìn)行準(zhǔn)確洞察
可以擴(kuò)展到大型分布式配置
允許靈活更改配置,，以滿足動(dòng)態(tài)AI環(huán)境的需求
TPCx人工智能委員會(huì)主席兼英特爾首席工程師Hamesh Patel解釋說,，該基準(zhǔn)旨在捕獲機(jī)器學(xué)習(xí)和人工智能的完整端到端過程。這包括MLPerf中未包含的流程部分,，如準(zhǔn)備數(shù)據(jù)和優(yōu)化,。“沒有一個(gè)基準(zhǔn)可以模擬整個(gè)數(shù)據(jù)科學(xué)管道，”他說,?？蛻舯硎荆瑴?zhǔn)備（數(shù)據(jù)）可能需要一周時(shí)間,，訓(xùn)練“神經(jīng)網(wǎng)絡(luò)”可能需要兩天時(shí)間,。
MLPerf和TPCx AI之間的巨大差異包括后者依賴于與真實(shí)數(shù)據(jù)相似但動(dòng)態(tài)生成的合成數(shù)據(jù)。MLPerf使用真實(shí)數(shù)據(jù)集進(jìn)行訓(xùn)練和推理,，MLCommons執(zhí)行董事David Kanter對(duì)合成數(shù)據(jù)結(jié)果的價(jià)值表示懷疑,。
MLCommons和TPC之間的成員資格有很多重疊，因此,，如果兩個(gè)基準(zhǔn)中的任何一個(gè)在可信度上優(yōu)于另一個(gè),，則仍有待觀察。至少兩名MLPerf參與者報(bào)告說,，MLPerf目前無疑具有優(yōu)勢,，計(jì)算機(jī)系統(tǒng)制造商已經(jīng)被要求提供MLPerf數(shù)據(jù)，作為提案請(qǐng)求的一部分,。
