Nvidia在MLPerf AI基准测试中创下新纪录

英伟达公司表示，其在今天发布的新基准测试中的出色表现表明，其超级计算机硬件是最适合训练人工智能算法的平台之一。

该公司的DGX SuperPOD平台由其最新的Tesla V100 Tensor Core图形处理单元提供动力，并在其CUDA-X AI软件上运行，在六个MLPerf类别中均创下了新记录，在不到20分钟的时间内完成了每个任务。

MLPerf是一种AI推理基准测试，旨在测量六类系统的电源，效率和性能，其中一类用于图像分类，两类用于对象检测，两类用于翻译以及一类强化学习，与培训机器人，智能城市有关交通流量系统等。简而言之，MLPerf基准测试衡量系统在这些类别中训练机器学习模型的速度。

英伟达的DGX SuperPOD系统在MLPerf基准测试中与Google LLC和英特尔公司的最新AI硬件竞争，并表明它很容易与竞争对手的平台相提并论。

Nvidia加速计算产品营销总监Paresh Kharya在新闻发布会上说：“我们在这一轮中打破了八项性能记录，最大规模达到了三项，每个加速器达到了五项。”

实际上，Nvidia实际上粉碎了这些记录。例如，其NVIDIA DGX SuperPOD系统可以训练ResNet 50模型进行图像识别，该任务仅仅两年前就花了大约八个小时，而在最新测试中仅花费了80秒。

Nvidia的系统还使更加困难的算法变得无可争议，例如重量级物体检测和强化学习。重量级物体检测依赖于MASK R-CNN深度神经网络，并通过组合多个数据源，使诸如摄像机，传感器，激光雷达和超声波机器之类的设备能够精确识别和定位特定物体。

训练MASK R-CNN深度神经网络过去需要花费数百小时。这次，Nvidia能够在不到19分钟的时间内完成任务，这几乎是其他新AI系统完成速度的两倍。

例如，用于在工厂车间训练机器人的MiniGo AI强化训练模型，Nvidia的平台仅需13.57分钟即可完成此任务。

总而言之，英伟达的DGX SuperPOD平台被证明是六个MLPerf类别中三个类别中最快的，并且仅次于Google的Tensor处理单元在SSD类别和两个转换测试中胜出：

Moor Insights&Strategy的高性能计算和深度学习分析师Karl Freund表示：“由于Google和Nvidia之间的节点数量相差很大，因此很难确定谁拥有最快的芯片。” “但是Nvidia和Google一样赢得了三个大型基准测试。此外，Nvidia上次使用相同的v100芯片组能够实现大约80%的显着提速，这是对其软件实力的赞扬。如果您是一家有希望的初创企业，那么就很难追逐它。”