La Stanford University ha recentemente aggiornato i risultati di aprile di DAWNBenchmark.
DAWNBench è un insieme di end-to-approfondito apprendimento e ragionamento suite di benchmark di formazione. Esso fornisce un insieme comune di profondo indice di valutazione di apprendimento, utilizzato per quantificare il tempo di allenamento, i costi di formazione, i ritardi ei costi di ragionamento ragionamento e attraverso diverse strategie di ottimizzazione , Architettura dei modelli, framework software, cloud e hardware per calcolare i costi di ragionamento.
Il modello ResNet di Intel (Caffe framework), la piattaforma Amazon EC2 interamente costruita dai processori Xeon, ha ottenuto il primo risultato in termini di ritardi di ragionamento e costi di inferenza.
In particolare, Il ritardo per la piattaforma Intel di elaborare 10000 immagini è di 9,96 ms, il costo è di 0,02 USD L'aspetto dei costi, la più vicina Intel K80 si basa sulla grafica NVIDIA 4 CPU piattaforma MXNet quadro di 0,07 dollari USA, i 29.4ms ritardo.
Nel test, i principali avversari di Intel Xeon nel settore dell'informatica sono TPU v2 (processore tensoriale) sviluppato da Google e l'array GPU di NVIDIA (incluso Tesl V100).
Naturalmente, per il tempo totale di formazione per il riconoscimento di pattern (oltre il 93% di accuratezza), il modello ResNet50 basato su Google TPU v2, TensorFlow learning framework è il più alto, solo 30 minuti, 477 volte più della prima generazione.
Questa serie di test che possiamo comprendere in questo modo, una piattaforma hardware diversa è equivalente ai candidati, tutti allo stesso tempo hanno iniziato a rispondere a una serie di domande e risposte di test, nominati candidati di Google per primi, Intel è la velocità e la precisione della sala d'esame per rispondere al massimo.
Tenendo conto del fatto che Intel sta sviluppando completamente processori grafici, l'apprendimento approfondito ha una dura battaglia contro NVIDIA e Google.
