繪圖晶片大廠NVIDIA(輝達)宣布打破8項人工智慧(AI)效能紀錄。全球頂尖企業的研究人員和資料科學家團隊,都致力於創造需要被訓練且更複雜的AI模型,而且他們動作還得快,這就是為什麼想要在AI領域坐穩領導地位,先得在AI基礎設施取得領先地位,而這也正解釋了日前發布的MLPerf人工智慧訓練成果會如此重要的原因。

Google、英特爾、百度、NVIDIA及創造MLPerf人工智慧基準測試套件的數十間頂尖科技公司和大學支持著這些測試結果數據,並將其轉化為具有重要創新意義的內容。簡單來說,過去要花上一整個工作天才能完成訓練的AI模型,NVIDIA的AI平台如今只要不到2分鐘的時間便能完成。

NVIDIA達成MLPerf的6項基準測試的耀眼成績,展現出卓越效能表現和多功能性。NVIDIA的AI平台在訓練效能方面創下8項紀錄,其中包括3項大規模整體效能紀錄及5項基於每個加速器的效能紀錄。

NVIDIA指出,企業明白要釋放這種生產力才是致勝關鍵。超級電腦現在儼然成為AI領域的重要工具,而想要在AI領域站上領導地位,需要有強大AI運算基礎設施的支持。最新的MLPerf測試結果充分展現出將NVIDIA V100 Tensor Core GPU用在超級運算等級基礎設施所能帶來的優點。

NVIDIA表示,2017年春季,搭載V100 GPU的NVIDIA DGX-1系統花了一整個工作天,也就是8個小時來訓練影像辨識模型ResNet-50。如今同樣搭載V100 GPU的NVIDIA DGX SuperPOD與Mellanox InfiniBand進行串連,再使用經NVIDIA優化後用於分散式AI訓練的最新軟體,只用了80秒便完成了訓練影像辨識模型ResNet-50任務。這比煮一杯咖啡的時間還要短。

更進一步觀察便會發現,在高複雜度物體偵測及強化學習這兩項最困難的AI問題上,NVIDIA的AI平台於總訓練時間方面脫穎而出。使用Mask R-CNN深度神經網路進行高複雜度物體偵測,可為使用者提供進階的實例分割。其用途包括將其與攝影機、感應器、超音波等多個資料來源搭配使用,以精確辨識並對特定物體進行定位。

這類AI工作負載有助於訓練自動駕駛車,對行人及其它物體進行精確定位。另一個實際用途,便是協助醫師在醫療掃描影像中找尋和辨識腫瘤,其意義非凡。NVIDIA花不到19分鐘便完成了高複雜度物體偵測測試,效能幾乎是第二名的2倍。

#訓練 #紀錄