L'université de Stanford a récemment mis à jour les résultats d'avril de DAWNBenchmark.
DAWNBench est un ensemble d'indicateurs de formation et de raisonnement de bout en bout qui fournit un ensemble commun d'indicateurs d'évaluation en profondeur pour quantifier le temps de formation, les coûts de formation, les retards de raisonnement et les coûts de raisonnement. , Architecture de modèle, infrastructure logicielle, cloud et matériel pour calculer les coûts de raisonnement.
Le modèle ResNet d'Intel (framework Caffe), la plate-forme Amazon EC2 entièrement construite par les processeurs Xeon, a obtenu la première place dans les retards de raisonnement et les coûts d'inférence.
Plus précisément, Le délai pour la plate-forme Intel de traiter 10000 images est de 9,96ms, le coût est de 0,02 USD En termes de coût, le plus proche d'Intel est la plate-forme CPU +4 K10 NVIDIA basée sur le framework MXNet, à 0,07 $, avec un délai de 29,4 ms.
Dans le test, les principaux adversaires d'Intel Xeon dans le domaine de l'informatique sont le TPU v2 développé par Google (processeur tensoriel) et le GPU NVIDIA (y compris Tesl V100).
Bien sûr, pour le temps de formation total pour la reconnaissance des formes (précision de plus de 93%), le modèle ResNet50 basé sur Google TPU v2, le framework d'apprentissage TensorFlow est le plus élevé, seulement 30 minutes, 477 fois plus que la première génération.
Cet ensemble de tests que nous pouvons comprendre de cette façon, plate-forme matérielle différente est équivalente à des candidats, tout le monde a commencé à soutenir un ensemble de questions et réponses, nommé les premiers candidats de Google, Intel est la vitesse et la précision de la salle d'examen.
Tenant compte du fait qu'Intel est en train de développer des processeurs graphiques, l'apprentissage en profondeur a un dur combat contre NVIDIA et Google.
