A Universidade de Stanford atualizou recentemente os resultados de Abril da DAWNBenchmark.
O DAWNBench é um conjunto de benchmarks para treinamento e raciocínio de ponta a ponta, fornecendo um conjunto comum de indicadores de avaliação de aprendizagem profunda para quantificar o tempo de treinamento, custos de treinamento, atrasos de raciocínio e custos de raciocínio e por meio de diferentes estratégias de otimização. , Arquitetura de modelos, estrutura de software, nuvem e hardware para calcular os custos de raciocínio.
O modelo ResNet da Intel (Caffe framework), a plataforma Amazon EC2 construída inteiramente pelos processadores Xeon, marcou primeiro os atrasos de raciocínio e os custos de inferência.
Especificamente, O atraso para a plataforma Intel processar 10000 imagens é de 9,96 ms, o custo é de 0,02 USD Em termos de custo, a mais próxima da Intel é a placa gráfica K80 +4 da NVIDIA baseada no modelo MXNet, a US $ 0,07, com um atraso de 29,4ms.
Teste, principal rival Intel Xeon em computação, um Google auto-desenvolvimento TPU v2 (processador tensor), o segundo é um array de GPU da NVIDIA (incluindo Tesl V100).
Claro, o reconhecimento do tempo total de formação padrão (93% de precisão) com base no Google TPU v2, ResNet50 quadro de aprendizagem modelo TensorFlow maior nos primeiros 30 minutos, 477 vezes melhorada do que a primeira geração.
Este teste, podemos compreender, plataformas de hardware diferentes é equivalente aos candidatos, nós começar a voltar ao mesmo tempo, um conjunto de perguntas do teste e respostas, chamado Google primeiros candidatos estará de volta, a Intel é a resposta mais alta velocidade e precisão da sala de exame.
Considerando Intel está totalmente desenvolvido processador gráfico, profundidade NVIDIA de aprendizagem e Google ainda uma batalha difícil.
