【 TechWeb】7月1日消息，Graphcore（拟未科技）正式公布其参与的首次MLPerf提交结果，Graphcore产品表现优异，AI性能稳居领先地位。
MLPerf是AI行业最受认可的比较基准测试。此次测试结果显示，在Graphcore IPU-POD64上，BERT的训练时间只有9分多钟，ResNet-50的训练时间为14.5分钟，AI性能已达超级计算机级别。
MLPerf还对比了市面上的Graphcore系统与NVIDIA的最新产品，结果证实Graphcore在“每美元性能”（Performance-Per-Dollar）指标上稳居领先地位。对客户而言，这项重要的第三方测试确认了Graphcore系统不仅具有新一代AI的优异性能，同时在目前的广泛应用中也表现得更出色。
MLPerf基准测试
对于第一次MLPerf（训练版本1.0）提交，Graphcore选择聚焦在关键图像分类和自然语言处理的应用基准测试类别。MLPerf图像分类基准使用流行的ResNet-50版本1.5模型，在ImageNet数据集上训练，以达到适用于所有提交情况的准确率。对于自然语言处理，使用了BERT-Large模型和选取的一个代表性片段。该片段大约占总训练计算工作负载的10%，并使用维基百科数据集进行训练。Graphcore决定提交使用ResNet-50和BERT的图像分类和自然语言处理，在很大程度上是由客户和潜在客户驱动的，因为这是他们最常用的一些应用和模型。此次在MLPerf测试中的强劲表现，进一步证明了Graphcore系统完全可以满足当今的AI计算要求。
参与测试的两个Graphcore系统，IPU-POD16和IPU-POD64，均已在生产中交付给客户。
MLPerf测试包含开放分区和封闭分区两个提交分区。封闭分区严格要求提交者使用完全相同的模型实施和优化器方法，包括定义超参数状态和训练时期。开放分区保证和封闭分区完全相同的模型准确性和质量，但支持更灵活的模型实施以促进创新。因此，该分区支持更快的模型实现，更加适应不同的处理器功能和优化器方法。对于像Graphcore IPU这样的创新架构，开放分区更能体现出产品的优异性能，但Graphcore还是选择在开放和封闭分区都进行了提交。
测试结果体现了Graphcore系统的优异性能，即使在具有限制规格的开箱即用的封闭分区上也是如此。更令人瞩目的是开放分区结果，Graphcore能够在其中优化部署，以充分利用IPU和系统功能。这更贴近真实应用，支持客户可以不断提升其系统性能。
“每美元性能”指标
MLPerf被称为比较基准，实际上进行直接比较可能很复杂。从相对简单的硅片到有着昂贵存储的复杂堆栈式芯片，如今的处理器和系统架构可谓千差万别。从“每美元性能”角度来看，往往最能够说明问题。
Graphcore的IPU-POD16是一个5U的系统，标价149,995美元。如前所述，它由4个IPU-M2000加速器以及行业标准主机服务器构成。每个IPU-M2000由4个IPU处理器构成。MLPerf中使用的NVIDIA DGX-A100 640GB是一个6U机盒，标价约为300,000美元（基于市场情报和公布的经销商定价），有8个DGX A100芯片。IPU-POD16的价格是它的一半。在这个系统中，IPU-M2000的价格和一个DGX A100 80GB的价格是一样的，或者在更细的层次上，一个IPU的价格是它的四分之一。
在MLPerf比较分析中，Graphcore采用了严格监管的封闭分区的结果，并针对系统价格对其进行了归一化。对于ResNet-50和BERT，很明显Graphcore系统提供了比NVIDIA产品更好的每美元性能。在IPU-POD16上进行ResNet-50训练的情况下，Graphcore的每美元性能是NVIDIA的1.6倍。在BERT上，Graphcore的每美元性能是NVIDIA的1.3倍。Graphcore系统的经济性可以更好地帮助客户实现其AI计算目标，同时，由于IPU专为AI构建的架构特点，Graphcore系统还可以解锁下一代模型和技术。
Graphcore高级副总裁兼中国区总经理卢涛表示：“首次提交MLPerf就获得如此出色的成绩，我们感到非常自豪。此次测试还会带给Graphcore客户更多价值，因为我们在准备阶段所做的所有改进和优化都会反馈到Graphcore软件栈中。全球范围内的Graphcore用户都会从MLPerf测试中受益匪浅，不仅局限于BERT和ResNet-50模型。我们将继续参与包括训练和推理在内的MLPerf测试，为追求更优性能、更大规模和添加更多模型，贡献Graphcore的所有智慧和力量。”
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
