ML基準測試套件MLPerf最新訓練評比在6月30日出爐。這次MLPerf Training v1.0的測試中，將近四分之三參與評測企業所使用的硬體，都是以Nvidia的AI產品為基礎，Nvidia本次也以DGX SuperPOD參加評測，分別在8項AI工作負載測試中，都獲得不錯的成績。Google這次則是以近期發布的AI加速晶片TPU v4參加評比，在特定AI模型訓練的任務中，效能表現甚至超越了Nvidia產品評測結果，不過TPU v4還在預覽階段，預計今年才會開始提供GCP客戶使用。

這次MLPerf Training v1.0測試的AI應用類別有8種，除了過去就有的6種應用類別，分別是用於排名與推薦的DLRM、用於NLP的BERT、可在行動裝置上執行的輕量級物體偵測模型SSD、重量級物件偵測模型Mask RNN-T、用於強化學習的MiniGo，以及廣泛用於圖像分類的ResNet-50 v1.5，今年更新增了用於語音辨識的RNN-T與醫療影像分割的UNet-3D，來對各家產品進行效能評比。

今年共有13個組織參與評測，相較於去年來看，今年參與評比的組織更多了。Nvidia資深加速運算產品管理與行銷資深經理Paresh Kharya指出，近年來有越來越多用戶看重MLPerf評比的結果，比如台積電OPC部門主管就曾表示，MLPerf基準測試，就是影響內部決策的一項重要因素。

這次參與評測的組織中，有將近四分之三的企業提交的AI加速平臺，都是以Nvidia產品為基礎，顯示Nvidia在AI加速領域的領先地位。Nvidia這次也以市售的DGX SuperPOD，參加了全部8項AI項目的測試，且在多個項目中獲得最佳成績。不過，Google這次提交的TPU v4，雖然還是預覽版本，但在特定領域的效能表現更優於Nvidia，顯示他們未來將用於GCP的AI加速晶片，對於特定類型的AI應用有其優勢所在。


詳細內文請參考網址