新模型在大规模系统上的巨大优势

时间：2022-03-25 05:39:01 | 来源：行业动态

时间：2022-03-25 05:39:01 来源：行业动态

MLPerf及其组织机构MLCommons作为第三方验证机构，在帮助客户独立评估人工智能计算系统的能力和不同公司提供的软件栈的成熟度方面发挥着重要作用。当然，客户继续在生产中使用ResNet和BERT等模型的同时，也在探索创新的新模型，并期待Graphcore更大的旗舰系统实现大规模机器智能。例如，在Graphcore的旗舰产品IPU-POD₂₅₆上，创新的计算机视觉EfficientNet-B4仅用1.8小时便可完成训练，尽管这并非Graphcore本次向MLPerf提交的内容，但在实际应用中的确有更强的性能优势。

此外，在绝对吞吐量性能以及扩展到更大的IPU-POD系统方面，Graphcore在MLPerf之外的一系列模型中也得到了一系列令人印象深刻的结果，包括用于自然语言处理的GPT类模型和用于计算机视觉的ViT（Transformer视觉模型）。