اسٹینفورڈ یونیورسٹی نے حال ہی میں DAWNBenchmark کے اپریل کے نتائج کو اپ ڈیٹ کیا.
DAWNBench اینڈ-ٹو-گہرائی سیکھنے اور استدلال کی تربیت بینچ مارک سوٹ کا ایک سیٹ ہے. یہ اور تربیت وقت quantify کرنے کے لئے استعمال کیا جاتا ہے گہری سیکھنے تشخیص انڈیکس، تربیت کے اخراجات، تاخیر اور استدلال استدلال کی لاگت کا ایک عام سیٹ فراہم کرتا ہے، مختلف اصلاحاتی حکمت عملی کے ذریعے ، ماڈل آرکیٹیکچر، سافٹ ویئر فریم ورک، کلاؤڈ اور ہارڈ ویئر کی وجہ سے اخراجات کی قیمتوں کا تعین.
ResNet انٹیل کے ماڈل (کیفے فریم)، یعنی، مکمل طور پر ایمیزون EC2 ایاون پروسیسر پلیٹ فارم کی طرف سے تعمیر، پہلی تاخیر ترک اور تخمینے لاگت جیت گیا ہے.
خاص طور پر، 10000 تصاویر پر عمل کرنے کے لئے انٹیل پلیٹ فارم کی تاخیر 9.96 ملین ہے، قیمت 0.02 امریکی ڈالر ہے لاگت پہلو، قریب ترین انٹیل K80 NVIDIA گرافکس 0.07 امریکی ڈالر کی +4 CPU پلیٹ فارم MXNet فریم ورک، تاخیر 29.4ms پر مبنی ہے.
ٹیسٹ کمپیوٹنگ میں انٹیل Xeon اہم حریف، ایک گوگل خود ترقی TPU V2 (سے Tensor پروسیسر)، دوسری (TESL V100 سمیت) NVIDIA کی GPU کی ایک صف ہے.
بالکل، کل تربیت وقت پیٹرن کی منظوری کے (93٪ درستگی) گوگل TPU V2، ResNet50 ماڈل سیکھنے فریم TensorFlow اعلی ترین پہلے 30 منٹ میں، 477 اوقات پہلی نسل کے مقابلے میں بہتری کی بنیاد پر.
یہ ٹیسٹ ہم سمجھ سکتے ہیں، مختلف ہارڈ ویئر پلیٹ فارم امیدواروں کے برابر ہے، ہم ایک ہی وقت ٹیسٹ کے سوالات اور جوابات کی ایک سیٹ، گوگل نامی پہلا امیدواروں واپس آ جائے گا میں واپس شروع، انٹیل جواب سب سے زیادہ رفتار اور امتحان کے کمرے کی درستگی ہے.
کو ذہن میں رکھتے انٹیل مکمل طور پر گرافکس پروسیسر، سیکھنے کی NVIDIA گہرائی اور گوگل اب بھی ایک مشکل جنگ سے تیار کیا جاتا ہے.
