今天是MLPerf Inference基準(zhǔn)測試結(jié)果的第二輪發(fā)布（0.7版）。與7月份宣布的最新培訓(xùn)結(jié)果一樣，新的推論數(shù)字表明提交的公司數(shù)量有所增加，支持的平臺和工作負(fù)載也有所增加。MLPerf推斷編號分為四類-數(shù)據(jù)中心，邊緣，移動和筆記本。提交的數(shù)量從43個增加到327個，提交的公司數(shù)量從僅僅9個增加到21個。提交的公司包括半導(dǎo)體公司，設(shè)備OEM和幾個測試實驗室。這輪提交的明顯遺漏包括Google和所有中國公司，包括先前的參與者阿里巴巴和騰訊。

作為快速更新，MLPerf是一個行業(yè)協(xié)會，旨在開發(fā)機器學(xué)習(xí)（ML）/人工智能（AI）解決方案的標(biāo)準(zhǔn)。MLPerf是一組基準(zhǔn)測試的匯編，用于測量ML / AL硬件，軟件和服務(wù)的訓(xùn)練和推理性能。最新的Inference v0.7結(jié)果僅是第二次發(fā)布推理結(jié)果。第一次是大約一年前。MLPerf組織正在不斷努力，以代表真實AI工作負(fù)載的新模型或增強模型來增強基準(zhǔn)套件。此外，該組織正在努力提高測試頻率，以每年至少兩次為目標(biāo)，正在考慮允許在主要版本之間發(fā)布測試結(jié)果，并努力添加其他限定詞，例如用于評估AI平臺效率的功耗數(shù)據(jù)。測試結(jié)果可以由電子價值鏈中的任何公司提供，并可以進行隨機審核。

每個細(xì)分類別都包括一個“封閉”和“開放”細(xì)分。“封閉”部分是指使用與參考模型相同的工作量模型運行的測試。“開放”部分允許更改模型，以便供應(yīng)商可以展示相對于其他目標(biāo)工作負(fù)載的性能。此外，還有一些細(xì)分市場-當(dāng)前市場上的產(chǎn)品“可用”，未來六個月內(nèi)市場上的產(chǎn)品的“預(yù)覽”，以及仍在開發(fā)中或剛剛考慮的產(chǎn)品的“研究，開發(fā)或內(nèi)部”實驗室項目。為了保持一致，我們大多數(shù)分析都集中在封閉和可用的細(xì)分上。在某些情況下，產(chǎn)品沒有所有測試的編號，因為沒有提交編號或無法達到最低99%的準(zhǔn)確度等級。由于基準(zhǔn)套件不斷變化，在套件達到更成熟的狀態(tài)之前，將數(shù)字與以前的結(jié)果進行比較并不是特別有用。但是，從結(jié)果中可以收集到很多東西。

對于數(shù)據(jù)中心應(yīng)用，推理0.7v測試包括四個新基準(zhǔn)測試-代表自然語言處理工作負(fù)載的雙向編碼器表示和轉(zhuǎn)換（BERT），代表推薦工作負(fù)載的深度學(xué)習(xí)推薦模型（DLRM），代表醫(yī)學(xué)成像的3D U-Net工作量，以及代表語音到文本工作量的遞歸神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換器（RNN-T）。在封閉類別中，結(jié)果類似于7月份發(fā)布的培訓(xùn)測試結(jié)果。加速平臺在性能上大大超過了純CPU平臺，領(lǐng)先的加速器是GPU，領(lǐng)先的GPU則是英偉達基于Ampere架構(gòu)的新型A-100 GPU。在每個工作負(fù)載中，前任領(lǐng)導(dǎo)者特斯拉（T4）GPU的性能提升顯然是顯而易見的。這證明了Ampere架構(gòu)的價值，該架構(gòu)允許在單個GPU上進行七個推理分區(qū)。在其他加速器方面，僅Xilinx FPGA代表并且僅在開放類別中。

責(zé)任編輯：lq