มหาวิทยาลัยสแตนฟอร์ดเพิ่งปรับปรุงผลงานของ DAWNBenchmark ในเดือนเมษายน
DAWNBench เป็นชุดของเกณฑ์มาตรฐานสำหรับการฝึกอบรมการเรียนรู้แบบลึกซึ้งสิ้นเชิงและการให้เหตุผลซึ่งเป็นชุดตัวบ่งชี้การประเมินผลการเรียนรู้ที่ลึกซึ้งสำหรับการวัดระยะเวลาการฝึกอบรมค่าใช้จ่ายในการฝึกอบรมความล่าช้าในเหตุผลและค่าใช้จ่ายในการให้เหตุผลและผ่านกลยุทธ์การเพิ่มประสิทธิภาพที่แตกต่างกัน สถาปัตยกรรมโมเดลกรอบงานซอฟต์แวร์เมฆและฮาร์ดแวร์เพื่อคำนวณค่าใช้จ่ายในการให้เหตุผล
โมเดล ResNet ของ Intel (Caffe framework) ซึ่งเป็นแพลตฟอร์ม Amazon EC2 ที่สร้างขึ้นโดยโปรเซสเซอร์ Xeon ทำให้คะแนนความล่าช้าและค่าอนุมานเป็นอันดับแรก
โดยเฉพาะอย่างยิ่ง ความล่าช้าสำหรับแพลตฟอร์ม Intel ในการประมวลผลภาพ 10000 ภาพคือ 9.96ms ค่าใช้จ่าย 0.02 USD ในส่วนของต้นทุนที่ใกล้เคียงที่สุดกับ Intel คือแพลตฟอร์ม K80 graphics +4 CPU ของ NVIDIA ที่ใช้กรอบงาน MXNet ซึ่งมีมูลค่า 0.07 เหรียญสหรัฐฯและมีความล่าช้า 29.4ms
ในการทดสอบฝ่ายตรงข้ามที่สำคัญของ Intel Xeon ในด้านการประมวลผลคือตัวประมวลผล TPU v2 (ตัวประมวลผลแบบไทเทเนียม) และ GPU ของ NVIDIA (รวมถึง Tesl V100)
แน่นอนว่าสำหรับเวลาในการฝึกอบรมทั้งหมดสำหรับการจดจำรูปแบบ (ความแม่นยำกว่า 93%) รุ่น ResNet50 ที่ใช้ Google TPU v2 โครงสร้างการเรียนรู้ของ TensorFlow มีค่าสูงสุดเพียง 30 นาทีและ 477 เท่ามากกว่ารุ่นแรก
ชุดทดสอบนี้เราสามารถเข้าใจในลักษณะนี้แพลตฟอร์มฮาร์ดแวร์ที่แตกต่างกันเทียบเท่ากับผู้สมัครทุกคนในเวลาเดียวกันเริ่มกลับชุดของคำถามทดสอบและคำตอบชื่อผู้สมัคร Google แรกกลับไปประชุม Intel เป็นห้องสอบเพื่อตอบความเร็วสูงสุดและความถูกต้อง
คำนึงถึง Intel เป็นหน่วยประมวลผลกราฟิกที่พัฒนาอย่างเต็มที่การเรียนรู้อย่างลึกซึ้งมีการต่อสู้อย่างหนักกับ NVIDIA และ Google
