Yra MLPerf 3.0 rezultatai ir yra keletas įdomių pramonės tendencijų.
Mašinų mokymasis ir dirbtinis intelektas yra sparčiai besikeičianti pramonė, kurioje kiekvieną dieną vyksta nuolatinės naujovės. Štai kodėl svarbu palyginti įrenginių galimybes ir todėl taip pat svarbu, kad būtų vienas ar keli korpusai, kurie padėtų valdyti sektoriaus augimą. Naudodama MLPerf Inference v3.0, MLCommons grupė siekia padvigubinti filosofijos teikimo sąžiningą ir griežtas įrenginių mokymosi mašininio mokymosi galimybių bandymas, užtikrinant patikrinimą ir atkuriamumą rezultatus. Rezultatai jau pateikti ir iš dar didesnio ankstesnių metų pardavėjų sąrašo.
Mašininio mokymosi „išvada“ reiškia faktinius rezultatus, gautus iš parengto algoritmo, kai modelis gali nustatyti, ką jis buvo išmokytas atpažinti. Matome, kad išvados naudojamos visose gyvenimo srityse, įskaitant savarankiškai važiuojančius automobilius, paieškos pasiūlymus „Google“ ir net AI pokalbių robotus, pvz. „ChatGPT“, „Bing Chat“ arba „Google Bard“.. MLPerf v3.0 gali išbandyti šias užduotis:
Užduotis |
Realaus pasaulio programos |
Rekomendacija |
Turinio ar apsipirkimo rekomendacijos, pvz., paieška, socialinė žiniasklaida ar reklama |
Kalbos atpažinimas |
Kalbos pakeitimas tekstu išmaniuosiuose telefonuose, laisvų rankų pagalba vairuotojui |
Natūralios kalbos apdorojimas (NLP) |
Paieška, vertimas, pokalbių robotai |
Vaizdo klasifikacija |
Vaizdo ženklinimas, bendras matymas |
Objekto aptikimas |
Pėsčiųjų aptikimas, gamybos defektų aptikimas, raudonų akių efekto mažinimas |
3D segmentavimas |
Medicinos vaizdo analizė (pvz., naviko identifikavimas) |
MLPerf v3.0 rezultatų duomenų bazėje yra daugiau nei 5 300 našumo rezultatų ir daugiau nei 2 400 galios matavimo rezultatų. Visų pirma, tendencijos buvo identifikuota daug naujų aparatinės įrangos sistemų, kurios kai kuriose šalyse padidino duomenų centro komponentų našumą apie 30 proc. etalonų. Be to, daug daugiau pateikėjų pateikė rezultatus, susijusius su energijos vartojimo efektyvumu, ir susidomėjimas išvadomis apie tinklą padidėjo tris kartus.
„Nvidia“, kuri daugelį metų buvo pagrindinė „MLPerf“ pateikimo atrama, pateikė pirmuosius savo DGX H100 rezultatus ir pirmąjį L4 Tensor Core GPU. DGX H100 pasiūlė iki 54 % didesnį našumą vienam greitintuvui, palyginti su pirmaisiais H100 pasiūlymais, o L4 – iki trijų kartų daugiau nei paskutinės kartos T4.
Kitos rezultatus pateikusios bendrovės yra „Qualcomm“, kuri, bendrovės teigimu, „visi etalonai rodo NLP ir kompiuterio našumo ir energijos vartojimo efektyvumo padidėjimą. Vision tinklai. efektyvumą. Kiti žinomi pardavėjai, pateikę rezultatus, yra „Intel“, HPE, „Gigabyte“, „Asus“ ir „Dell“.