MLPerf 3.0 შედეგები არის და არის საინტერესო ინდუსტრიის ტენდენციები.
მანქანათმცოდნეობა და ხელოვნური ინტელექტი არის სწრაფად ცვალებადი ინდუსტრია მუდმივი ინოვაციებით, რომელიც ყოველდღიურად მიმდინარეობს. სწორედ ამიტომ არის მნიშვნელოვანი მოწყობილობების შესაძლებლობების შედარება და ასევე მნიშვნელოვანია, რომ არსებობდეს სხეული ან მრავალი ორგანო, რომელიც დაეხმარება სექტორის ზრდას. MLPerf Inference v3.0-ით, MLCommons ჯგუფი მიზნად ისახავს გააორმაგოს სამართლიანი და სამართლიანი უზრუნველყოფის ფილოსოფია. მოწყობილობების მანქანათმცოდნეობის შესაძლებლობების მკაცრი ტესტირება, რაც უზრუნველყოფს შემოწმებას და რეპროდუქციას შედეგები. შედეგები ახლა არის და წინა წლების გამყიდველების კიდევ უფრო დიდი სიიდან.
„დასკვნა“ მანქანათმცოდნეობაში გულისხმობს შედეგების რეალურ მიღებას გაწვრთნილი ალგორითმიდან, სადაც მოდელს შეუძლია დაადგინოს ის, რის ამოცნობაზეც მას ასწავლეს. ჩვენ ვხედავთ დასკვნას, რომელიც გამოიყენება ცხოვრების ყველა სფეროში, მათ შორის თვითმართვადი მანქანები, ძიების შეთავაზებები Google-ში და AI ჩეთბოტებშიც კი, როგორიცაა ChatGPT, Bing Chat ან Google Bard. MLPerf v3.0-ს შეუძლია შეამოწმოს შემდეგი ამოცანები:
დავალება |
რეალური სამყაროს აპლიკაციები |
რეკომენდაცია |
კონტენტი ან სავაჭრო რეკომენდაციები, როგორიცაა ძებნა, სოციალური მედია ან რეკლამა |
Სიტყვის აღიარება |
სმარტფონებზე მეტყველება ტექსტში, მძღოლის დახმარება უკონტაქტო რეჟიმში |
ბუნებრივი ენის დამუშავება (NLP) |
ძებნა, თარგმანი, ჩატბოტები |
გამოსახულების კლასიფიკაცია |
გამოსახულების მარკირება, ზოგადი ხედვა |
ობიექტების გამოვლენა |
ფეხით მოსიარულეთა გამოვლენა, წარმოების ხარვეზის გამოვლენა, წითელი თვალის შემცირება |
3D სეგმენტაცია |
სამედიცინო გამოსახულების ანალიზი (მაგ., სიმსივნის იდენტიფიკაცია) |
MLPerf v3.0-ის შედეგების მონაცემთა ბაზაში არის 5300-ზე მეტი შესრულების შედეგი და 2400-ზე მეტი სიმძლავრის გაზომვის შედეგი. კერძოდ, ტენდენციები რომლებიც იდენტიფიცირებულია მოიცავს უამრავ ახალ აპარატურულ სისტემას, რომლებიც გამოიყენება მონაცემთა ცენტრის კომპონენტებში გაზრდილი ეფექტურობით, დაახლოებით 30%-ით ზოგიერთში. ეტალონები. ასევე, ბევრმა მომწოდებელმა აჩვენა შედეგები ენერგოეფექტურობასთან დაკავშირებით და სამჯერ გაიზარდა ინტერესი ქსელის დასკვნით.
Nvidia, რომელიც მრავალი წლის განმავლობაში იყო MLPerf-ის წარდგენის საყრდენი, წარადგინა პირველი შედეგები მისი DGX H100-ისთვის და პირველი წარდგენა მისი L4 Tensor Core GPU-სთვის. DGX H100 სთავაზობდა 54%-მდე მეტ შესრულებას თითო ამაჩქარებელზე, მის პირველ H100-თან შედარებით, ხოლო L4-მა სამჯერ აღემატება ბოლო თაობის T4-ს.
სხვა კომპანიებმა, რომლებმაც წარადგინეს შედეგები, მოიცავს Qualcomm-ს, რომელიც კომპანიაში აცხადებენ, რომ ”ყველა ინდიკატორი აჩვენებს მუშაობის და ენერგიის ეფექტურობის ზრდას NLP-ისა და კომპიუტერისთვის. Vision networks." კომპანიამ ასევე აღწერა, თუ როგორ მისი პირველი MLPerf 1.0 წარდგენის შემდეგ, Qualcomm Cloud AI 100 გაუმჯობესდა 86%-მდე შესრულებაში და 52%-ით სიმძლავრით. ეფექტურობა. სხვა ცნობილი მომწოდებლები, რომლებმაც წარადგინეს შედეგები, მოიცავს Intel, HPE, Gigabyte, Asus და Dell.