您的位置:首页 >综合经验 >正文

Nvidia H100 Hopper基准测试结果公布

摘要 专门从事人工智能性能评估和机器学习硬件的行业组织 MLCommons 已将最新的人工 AI 和 ML 加速器的结果添加到其数据库中,并实质上发...

专门从事人工智能性能评估和机器学习硬件的行业组织 MLCommons 已将最新的人工 AI 和 ML 加速器的结果添加到其数据库中,并实质上发布了通过行业获得的 Nvidia 的 H100 和 Biren 的 BR104 计算 GPU 的第一个性能数据-标准测试集。结果与英特尔的 Sapphire Rapids、高通的 AI 100 和 Sapeon 的 X220 上获得的结果进行了比较。

MLCommons 的 MLPerf 是一组训练和推理基准,被数十家支持组织并将其硬件测试结果提交到 MLPerf 数据库的公司认可。MLPerf Inference 2.1 版基准测试集包括数据中心和边缘使用场景以及图像分类 (ResNet 50 v1.5)、自然语言处理器 (BERT Large)、语音识别 (RNN-T)、医学成像 (3D U-Net)、对象检测(RetinaNet)和推荐(DLRM)。

参与这些测试的机器在两种模式下进行评估:在服务器模式下,查询以突发形式到达,而在离线模式下,所有数据都是一次性提供的,因此显然在离线模式下它们的性能更好。此外,供应商可以提交在两种条件下获得的结果:在封闭类别中,每个人都必须运行数学上等效的神经网络,而在开放类别中,他们可以修改它们以优化它们的硬件, IEEE Spectrum报告。

在 MLPerf 中获得的结果不仅描述了加速器的纯性能(例如,一个 H100、一个 A100、一个 Biren BR104 等),还描述了它们的可扩展性和每瓦性能,以绘制更详细的图景。所有结果都可以在数据库中查看,但 Nvidia 根据其自身和第三方提交的信息汇总了每个加速器的性能结果。

Nvidia 的竞争对手尚未提交所有结果,因此 Nvidia 发布的图表缺少一些结果。然而,我们仍然可以在 Nvidia 发布的表格中得出一些非常有趣的发现(但请记住,Nvidia 是这里的利益相关方,所以一切都应该持保留态度)。

版权声明:本文由用户上传,如有侵权请联系删除!