测试|AI计算“大练兵”成绩出炉：谷歌、英伟达、浪潮分获各任务最好成绩_服务器|浪潮|性能|ResNet|任务

文章图片

图片来源：Pexels

采访人员 | 彭新

美国东部时间6月30日，国际权威AI基准测试MLPerf公布最新一期榜单。在集群封闭任务赛道中，谷歌与英伟达各自获得4项第一；在单机封闭任务赛道中，浪潮获全部8项训练任务的4项冠军，英伟达、宁畅各获得2项任务冠军。
MLPerf由图灵奖得主David?Patterson联合谷歌、斯坦福、哈佛大学等企业、学术机构发起成立，是影响力最广的国际AI性能基准评测，算是AI计算的“大练兵” 。负责MLPerf测试的行业组织MLCommons主席David Kanter称， MLPerf测试是“整个行业的晴雨表” 。
该基准测试流行的AI工作负载和场景，例如计算机视觉、自然语言处理、推荐系统、强化学习等。有AI计算行业人士告诉界面新闻， MLPerf的结果有一定指导意义，它可以帮助客户根据测试结果做出采购决定。
此次性能评测基于最新MLPerf Training V1.0基准，分为固定任务（Closed）和开放任务（Open）。其中，固定任务要求使用相同模型和优化器，衡量同一深度学习模型在不同软硬件上的性能；开放任务则放开对深度学习模型及精度的约束，侧重深度学习模型及算法优化的能力，旨在推进ML模型和优化的创新。
【测试|AI计算“大练兵”成绩出炉：谷歌、英伟达、浪潮分获各任务最好成绩】MLPerf V1.0基准测试涵盖了8类极具代表性的机器学习任务，分别为图像识别（ResNet）、医学影像分割（U-Net3D）、目标物体检测（SSD）、目标物体检测（Mask R-CNN）、语音识别（RNN-T）、自然语言理解（BERT）、智能推荐（DLRM）以及强化机器学习（MiniGo）。其中， ResNet50和BERT作为计算机视觉和自然语言理解中最具代表性的AI模型，竞争最为激烈。

文章图片

对此，浪潮AI&HPC人工智能与高性能应用软件部总经理吴韶华解读称，从训练和推理两个不通测试的参赛团队来看，都有芯片公司，比如谷歌、英伟达、英特尔和赛灵思，也有和浪潮一样的主流服务器厂商。在AI计算领域有技术企图心的企业，都会争取在MLPerf上崭露头角。
训练和推理两个基准测试既有相同的模型，也有不同的模型。 “例如推理任务不需要考虑CPU上面的负载， CPU参与的任务不太多，主要负载在加速器；而训练任务， CPU也要参与工作，有些任务的CPU负载还很重，所以对设备本身的要求并不一样。 ” 吴韶华说。
此次测试浪潮AI服务器成绩相对较好，浪潮NF5688M6 AI服务器问鼎图像分类（Resnet50）、目标检测（SSD）、智能推荐（DLRM）三个赛道的冠军，浪潮NF5488A5 AI服务器取得语义理解（Bert）赛道冠军。
浪潮AI产品线总经理刘军将赛事过程形容为竞速，即工程师需要使用各种方法，让服务器性能达到最高水平。就AI计算系统而言，除了在数据传输环节需要改善传输性能、达到最佳数据前处理效率外，在计算过程中，还需要关注系统的散热效率。 “GPU（图形处理器）在充分发挥性能的同时，也带来了更大的发热量，一旦系统散热不良，极易导致温度累积而导致GPU降频，影响最终性能。 ”刘军表示。
AI计算大致分为两个层面，首先是对模型进行训练（training），整个过程可能耗时数天；之后是训练出的模型响应实际请求，做出推理（inference）。目前，英伟达旗下的GPU（图形处理器）占据训练市场，多数推理任务则仍由传统的英特尔CPU承担。 AI的兴起带来了庞大的计算需求， GPU原本为视频、游戏设计，但在深度学习上的效率远高过传统的CPU ，主流云服务器厂商纷纷采购英伟达设计的GPU ，来加速AI应用。
英伟达称，此次测试也显示GPU+CPU架构在AI计算的适用性，该公司强调仅有英伟达及其合作伙伴运行了所有八类工作负载，占所有提交的四分之三以上。本次参与测试的服务器厂商均使用了英伟达安培（Ampere）架构GPU A100 。
在AI计算市场上，英伟达凭借GPU最先把握住了机会，成为AI企业几乎不可或缺的芯片供应商。此后，芯片大客户们更进一步，纷纷推出自研AI专用芯片。 2016年，谷歌专门为深度学习打造了TPU（张量处理器），百度和阿里等中国科技巨头也都在过去一年多时间里发布了自研AI芯片。
包括谷歌、英伟达、英特尔、浪潮、戴尔、联想等在内的13家公司及科研机构，参与了此次MLPerf封闭任务赛道测试。除了主流的GPU+CPU架构外，谷歌也有其即将推出的TPU 4.0 ，英特尔参加测试的有其第三代至强CPU和Habana Labs Gaudi计算芯片。 AI芯片初创公司Graphcore本次也提交了其IPU芯片的测试结果， Graphcore中国区总经理卢涛介绍，针对本次MLPerf测试的参与，是Graphcore投入了十几个人，耗时近半年才做出来的。