遠(yuǎn)程醫(yī)療，人工智能和深度學(xué)習(xí)正在徹底改變醫(yī)療保健(免費(fèi)PDF)第二輪MLPerf基準(zhǔn)測(cè)試結(jié)果為，提供了用于運(yùn)行AI培訓(xùn)工作負(fù)載的工具的新的客觀測(cè)量。通過(guò)Nvidia，谷歌和英特爾的提交，結(jié)果顯示了人工智能基礎(chǔ)設(shè)施在數(shù)據(jù)中心和云中的改進(jìn)速度。MLPerf是一個(gè)廣泛的基準(zhǔn)測(cè)試套件，用于測(cè)量機(jī)器學(xué)習(xí)(ML)軟件框架(如TensorFlow，PyTorch和MXNet)，ML硬件平臺(tái)(包括Google TPU，Intel CPU和Nvidia GPU)和ML云平臺(tái)的性能。幾家公司以及哈佛大學(xué)，斯坦福大學(xué)和加州大學(xué)伯克利分校等機(jī)構(gòu)的研究人員去年首次同意支持基準(zhǔn)測(cè)試。目標(biāo)是為開發(fā)人員和企業(yè)IT團(tuán)隊(duì)提供信息，以幫助他們?cè)u(píng)估現(xiàn)有產(chǎn)品并專注于未來(lái)的開發(fā)。

早在12月，MLPerf公布了第一批ML模型培訓(xùn)結(jié)果。度量標(biāo)準(zhǔn)是將模型訓(xùn)練到目標(biāo)質(zhì)量水平所需的時(shí)間?；鶞?zhǔn)套件包括六個(gè)類別：圖像分類，對(duì)象檢測(cè)(輕量級(jí))，對(duì)象檢測(cè)(重量級(jí))，翻譯(重復(fù))，翻譯(非經(jīng)常性)和強(qiáng)化學(xué)習(xí)。

Nvidia是唯一一家在所有六個(gè)類別中提交結(jié)果的供應(yīng)商。GPU制造商在培訓(xùn)表現(xiàn)方面創(chuàng)下了8項(xiàng)記錄，其中包括三項(xiàng)大規(guī)模整體表現(xiàn)和五項(xiàng)基于加速器的表現(xiàn)。

在所有六個(gè)類別的大規(guī)?；A(chǔ)上，Nvidia使用其DGX SuperPod在20分鐘內(nèi)訓(xùn)練每個(gè)MLPerf基準(zhǔn)。例如，使用Resnet-50 v1.5訓(xùn)練圖像分類模型僅需80秒。就在2017年，當(dāng)Nvidia推出DGX-1服務(wù)器時(shí)，該培訓(xùn)大約需要8個(gè)小時(shí)。

Nvidia加速計(jì)算主管Paresh Kharya本周告訴記者，短短幾年內(nèi)取得的進(jìn)展“令人咋舌”。他說(shuō)，結(jié)果證明了這個(gè)行業(yè)的發(fā)展速度。而且，這種速度有助于實(shí)現(xiàn)新的AI應(yīng)用程序。

“人工智能的領(lǐng)導(dǎo)需要人工智能基礎(chǔ)設(shè)施領(lǐng)導(dǎo)......研究人員需要繼續(xù)前進(jìn)，”Kharya說(shuō)。

Nvidia強(qiáng)調(diào)其人工智能平臺(tái)在重量級(jí)物體檢測(cè)和強(qiáng)化學(xué)習(xí)方面表現(xiàn)最佳 - 以訓(xùn)練總時(shí)間衡量的最難的AI問(wèn)題。

重量級(jí)物體檢測(cè)用于自動(dòng)駕駛等關(guān)鍵應(yīng)用。它有助于為自動(dòng)駕駛汽車提供行人和其他物體的精確位置。同時(shí)，強(qiáng)化學(xué)習(xí)用于訓(xùn)練機(jī)器人，或用于優(yōu)化智能城市中的交通燈模式。

與此同時(shí)，Google Cloud進(jìn)入了五個(gè)類別，并通過(guò)其云TPU v3 Pods- 谷歌的Tensor Processing Units(TPU)機(jī)架設(shè)置了三個(gè)大規(guī)模的性能記錄。每個(gè)獲勝的運(yùn)行只需不到兩分鐘的計(jì)算時(shí)間。

結(jié)果使谷歌成為第一家超越運(yùn)行大規(guī)模ML培訓(xùn)工作負(fù)載的內(nèi)部部署系統(tǒng)的公共云提供商。

“機(jī)器學(xué)習(xí)有一場(chǎng)革命，”Google Cloud的Zak Stone向ZDNet表示，他指出深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的突破是如何實(shí)現(xiàn)語(yǔ)言處理或?qū)ο髾z測(cè)等各種AI功能的。

“所有這些工作負(fù)載對(duì)性能至關(guān)重要，”他說(shuō)。“他們需要如此多的計(jì)算，你的系統(tǒng)訓(xùn)練模型的速度真的很重要。等待一個(gè)月與幾天之間存在巨大差異。”

在非經(jīng)常性翻譯和輕量級(jí)對(duì)象檢測(cè)類別中，TPU v3 Pods訓(xùn)練模型的速度比Nvidia系統(tǒng)快84%。

雖然獲獎(jiǎng)作品在完整的TPU v3 Pod上運(yùn)行，但Google客戶可以選擇最適合其性能需求和價(jià)位的Pod“切片”大小。谷歌今年早些時(shí)候公開發(fā)布其云TPU Pods測(cè)試版。一些使用Google的TPU或Pod的客戶包括openAI，Lyft，eBay和Recursion Pharmaceuticals。

可怕的智能技術(shù)：人工智能已經(jīng)給出了9個(gè)實(shí)時(shí)......看完了全部畫廊