جامعة ستانفورد تم تحديثها مؤخرًا في نتائج شهر أبريل من DAWNBenchmark.
DAWNBench عبارة عن مجموعة من المعايير الخاصة بالتدريب والتفكير العميق في مجال التعلم الشامل ، وهي توفر مجموعة مشتركة من مؤشرات تقييم التعلم العميق لتحديد وقت التدريب وتكاليف التدريب وتأخير الاستدلال وتكاليف الاستدلال ومن خلال استراتيجيات التحسين المختلفة. والهندسة النموذجية وإطار البرمجيات والسحاب والأجهزة لحساب تكاليف الاستدلال.
سجل نموذج ResNet من إنتل (إطار كافي) ، منصة Amazon EC2 المبنية بالكامل من قبل معالجات Xeon ، في المرتبة الأولى في تأخر الاستدلال وتكاليف الاستدلال.
على وجه التحديد، التأخير لمنصة إنتل لمعالجة الصور 10000 هو 9.96ms ، والتكلفة 0.02 دولار أمريكي من حيث التكلفة ، تعتبر Intel® K80 graphics +4 CPU منصة تعتمد على إطار MXNet ، بسعر $ 0.07 ، مع تأخير قدره 29.4ms.
في الاختبار ، خصوم إنتل زيون الرئيسيين في مجال الحوسبة هو معالج توتور v2 (Tensor) الذي طورته شركة Google ذاتيًا ومجموعة NVIDIA GPU (بما في ذلك Tesl V100).
وبطبيعة الحال ، بالنسبة إلى إجمالي وقت التدريب للتعرف على الأنماط (أكثر من 93٪ من الدقة) ، فإن نموذج ResNet50 المبني على Google TPU v2 ، هو إطار TensorFlow للتعلم ، وهو أعلى 30 دقيقة فقط ، أي 477 مرة أكثر من الجيل الأول.
هذه المجموعة من الاختبارات التي يمكن أن نفهمها بهذه الطريقة ، منصة الأجهزة المختلفة تعادل المرشحين ، بدأ الجميع في نفس الوقت في دعم مجموعة من أسئلة الاختبار والأجوبة ، واسمه مرشح جوجل أول مرة ، إنتل هي سرعة ودقة غرفة الفحص للإجابة على أعلى.
مع الأخذ في الاعتبار أن شركة إنتل تقوم بتطوير معالجات الرسوم بشكل كامل ، فإن التعلم العميق يواجه معركة صعبة ضد NVIDIA و Google.
