1. Для сучасних ІІ-обчислень потрібно комплекс інновацій
2. Рекордна продуктивність NVIDIA тепер доступна в NGC

NVIDIA встановила шість нових рекордів по швидкості обчислень в задачах, пов'язаних з ІІ, з виходом першого в індустрії широкого набору бенчмарков для задач штучного інтелекту.

Підтриманий Google, Intel, Baidu, NVIDIA і десятків інших лідерів індустрії, новий пакет MLPerf вимірює широкий спектр навантажень в задачах глибокого навчання. Перший в індустрії пакет з об'єктивною оцінкою швидкості обчислень для ІІ призначений для таких областей, як комп'ютерний зір, мовної переклад, персональні рекомендації та навчання з підкріпленням.

Дані 6 категорій включають класифікацію зображень, сегментацію об'єктів, розпізнавання об'єктів, нерекуррентний переклад, рекурентний переклад та системи рекомендацій. NVIDIA не надала результати для сьомої категорії навчання з підкріпленням, так як в цій категорії ще не використовуються переваги GPU-прискорення.

Ключовим бенчмарком, в якому технології NVIDIA показали особливо хороший результат, стала категорія мовного перекладу - на навчання нейромережі Transformer пішло всього за 6.2 хвилини. Детальніше про результати даних шести категорій дивіться на сторінці сайту NVIDIA для розробників .

Інженери NVIDIA отримали дані результати на системах NVIDIA DGX , включаючи NVIDIA DGX-2 , Найпотужнішою системі для задач ШІ, яка заснована на 16 з'єднаних між собою GPU V100 з тензорними ядрами .

NVIDIA - це єдина компанія, що відзначилася відразу в шести категоріях і продемонструвала універсальність графічних прискорювачів V100 з тензорними ядрами в широкому спектрі завдань для ІІ.

"Нові бенчмарки MLPerf демонструють незрівнянну продуктивність і універсальність GPU NVIDIA з тензорними ядрами, - говорить Ян Бак (Ian Buck), віце-президент і директор NVIDIA за рішеннями для прискорених обчислень. - GPU з тензорними ядрами - це рішення, доступні у всіх регіонах у всіх провайдерів хмарних сервісів і виробників систем; вони допомагають розробникам у всьому світі і далі розвивати ІІ ".

Для сучасних ІІ-обчислень потрібно комплекс інновацій

Для високої продуктивності в складних і різноманітних обчислювальних задачах потрібні не тільки хороші чіпи. Прискорені обчислення залежать не тільки від можливостей прискорювача. Потрібно цілий комплекс зусиль.

Платформа NVIDIA включає тензорні ядра NVIDIA, NVLink , NVSwitch , Системи DGX, CUDA , cuDNN , NCCL , оптимізовані контейнери фреймворків глибокого навчання і набори програмних інструментів NVIDIA .

Обчислювальна платформа для ІІ NVIDIA є найбільш доступною, як з точки зору доступності, так і з точки зору ціни.

Міць GPU з тензорними ядрами доступна не тільки в хмарах і дата-центрах, але і в настільних ПК на базі відеокарт NVIDIA TITAN RTX за ціною всього 2500 доларів США. За умови використання карти більше 3х років, вартість обчислень становить всього кілька центів на годину.

Програмні стеки регулярно оновлюються в репозитарії NVIDIA GPU Cloud (NGC) .

Рекордна продуктивність NVIDIA тепер доступна в NGC

Програмні інновації та оптимізації, що дозволили NVIDIA показати високі результати в MLPerf, доступні безкоштовно в нових контейнерах глибокого навчання NGC. Їх можна завантажити з репозитария NGC .

Контейнери включають повний програмний стек і провідні фреймворки для ІІ, оптимізовані NVIDIA. реліз 18.11 контейнерів глибокого навчання NGC включає той же програмне забезпечення, яке дозволило отримати високі результати MLPerf.

Розробники можуть застосовувати їх всюди, на всіх стадіях розробки:

• Фахівцям по роботі з даними контейнери дозволяють проводити передові дослідження за допомогою GPU NVIDIA TITAN RTX .
• Невеликі колективи можуть використовувати ті ж самі контейнери NVIDIA DGX Station .
• Великі компанії за допомогою контейнерів прискорюють застосування ІІ до корпоративних даних в хмарі за допомогою інстанси, прискорених NVIDIA GPU, від Alibaba Cloud, AWS, Baidu Cloud, Google Cloud Platform, IBM Cloud, Microsoft Azure, Oracle Cloud Infrastructure і Tencent Cloud.
• Організаціям, локально розгортають ІІ-інфраструктуру, запровадити ІІ допоможуть системи NVIDIA DGX і NGC-Ready від Atos, Cisco, Cray, Dell EMC, HP, HPE, Inspur, Lenovo, Sugon і Supermicro.

Щоб почати роботу над ІІ-проектом або запустити власний бенчмарк MLPerf, завантажте контейнери з репозитария NGC .

джерело