北(bei)京2021年(nian)7月2日(ri) /美(mei)通社/ -- 美(mei)國東部時(shi)間(jian)6月30日(ri)，國際權威AI基準測試(shi)MLPerf?公布(bu)最新一期榜單(dan)。在集(ji)群(qun)封(feng)閉(bi)(bi)任務(wu)賽道(dao)中，谷歌(ge)與(yu)NVIDIA各自獲(huo)得4項第一；在單(dan)機封(feng)閉(bi)(bi)任務(wu)賽道(dao)中，浪潮獲(huo)全部8項訓練任務(wu)的(de)4項冠軍(jun)，NVIDIA、Nettrix各獲(huo)得2項任務(wu)冠軍(jun)。
MLPerf?由圖靈獎得主大衛·帕特森（David?Patterson）聯合谷歌、斯坦福(fu)、哈佛大學等頂尖學術機構發(fa)起成(cheng)立，是影響(xiang)力最(zui)(zui)廣(guang)的國際AI性(xing)能(neng)基(ji)準(zhun)(zhun)評測。此次(ci)性(xing)能(neng)評測基(ji)于最(zui)(zui)新MLPerf? Training V1.0基(ji)準(zhun)(zhun)，分為固(gu)定任(ren)務（Closed）和(he)開放任(ren)務（Open）。其中，固(gu)定任(ren)務要(yao)求使用相同(tong)模型(xing)和(he)優化器(qi)，衡量同(tong)一深度(du)學習模型(xing)在(zai)不(bu)同(tong)軟硬(ying)件上的性(xing)能(neng)，廣(guang)受廠商和(he)客戶看重；開放任(ren)務則(ze)放開對深度(du)學習模型(xing)及精(jing)度(du)的約束，側(ce)重深度(du)學習模型(xing)及算(suan)法(fa)優化的能(neng)力，旨在(zai)推進(jin)ML模型(xing)和(he)優化的創新。
MLPerf?V1.0基準測試涵蓋(gai)了(le)8類極具代表性的機器學(xue)(xue)習(xi)任務，分(fen)(fen)別(bie)為(wei)圖(tu)像識別(bie)（ResNet）、醫(yi)學(xue)(xue)影像分(fen)(fen)割（U-Net3D）、目標(biao)物(wu)體檢測（SSD）、目標(biao)物(wu)體檢測（Mask R-CNN）、語音(yin)識別(bie)（RNN-T）、自然語言理解（BERT）、智能推薦（DLRM）以及強化機器學(xue)(xue)習(xi)（MiniGo）。其中，ResNet50和(he)BERT作(zuo)為(wei)計算機視(shi)覺(jue)和(he)自然語言理解中最具代表性的AI模型，競爭(zheng)最為(wei)激烈(lie)。
包括谷歌、NVIDIA、Intel、浪潮、戴爾、聯想等(deng)在內的13家公司及科研機構，參與(yu)了此(ci)次MLPerf?封閉任務賽道測試(shi)。
谷(gu)(gu)歌(ge)與NVIDIA在(zai)集群系統(tong)測試中展開(kai)激烈冠亞軍(jun)爭奪(duo)，最(zui)終谷(gu)(gu)歌(ge)獲得(de)了ResNet、SSD、BERT和(he)DLRM四(si)項(xiang)任(ren)務的第(di)(di)一(yi)，NVIDIA則奪(duo)得(de)U-Net3D、Mask R-CNN、RNN-T和(he)MiniGo四(si)項(xiang)任(ren)務冠軍(jun)，雙方(fang)平分秋色。在(zai)單(dan)機系統(tong)測試中浪潮獲得(de)ResNet、SSD、BERT和(he)DLRM四(si)項(xiang)任(ren)務的冠軍(jun)，NVIDIA獲得(de)RNN-T和(he)MiniGo兩項(xiang)第(di)(di)一(yi)，Nettrix獲得(de)U-Net3D、Mask R-CNN兩項(xiang)第(di)(di)一(yi)。
作為業內最權威的AI基準測試，每一次MLPerfTM評測(ce)(ce)結(jie)果都在(zai)(zai)刷新業內紀(ji)錄(lu)，不(bu)斷突破AI系統性能。和2020年(nian)榜單相(xiang)比，今年(nian)榜單的(de)各項任(ren)務(wu)測(ce)(ce)試(shi)成績(ji)均有(you)明(ming)顯提(ti)升。在(zai)(zai)集(ji)群訓練上(shang)，Google在(zai)(zai)ResNet模型(xing)訓練任(ren)務(wu)中以(yi)0.23分鐘打(da)破2020年(nian)創下的(de)0.47分鐘紀(ji)錄(lu)，耗時(shi)縮短51%；在(zai)(zai)Bert模型(xing)任(ren)務(wu)中Google以(yi)0.29分鐘完(wan)成訓練，相(xiang)比2020年(nian)0.39分鐘的(de)最佳紀(ji)錄(lu)，用時(shi)縮短26%。
在單機性能上，浪潮同樣在備受關注的ResNet和BERT上取得了新突破，創下單機27.38分鐘完(wan)成(cheng)128萬(wan)張圖片(pian)訓練ResNet模(mo)型的新(xin)紀錄，比2020年(nian)最佳紀錄(lu)耗時縮(suo)短18%；在BERT模型(xing)訓練中，浪潮以21.15分鐘打破2020年(nian)最佳成績49.01分鐘，用時縮(suo)短57%。
