在五項新的行業(yè)指標中，NVIDIA 贏得了其中的四項。這些指標聚焦于AI在高性能計算中的應用，是一種推動科學和行業(yè)進步的方法。

MLPerf HPC 1.0 是用于衡量高性能計算中 AI 性能的行業(yè)基準測試，而 NVIDIA 賦能的系統(tǒng)在該基準的五項測試中勝出四項。

MLPerf 是用于深度學習的行業(yè)基準測試，首次發(fā)布于 2018 年 5 月。上述戰(zhàn)績是 MLPerf 基準測試的最新結(jié)果。MLPerf HPC 解決了一種計算方式，可借助 AI 加速并增強超級計算機上的模擬。

分子動力學、天文學和氣候模擬的近期進展都使用 HPC+AI 取得了科學突破。這種趨勢可以推動科學和工業(yè)領域用戶采用E級（Exascale） AI。

基準測試衡量內(nèi)容

MLPerf HPC 1.0 在 HPC 中心的三個典型工作負載中測試 AI 模型訓練。

Cosmoflow 判斷望遠鏡圖像中物體的細節(jié)。

Deepcam 測試對氣候數(shù)據(jù)中颶風和大氣河流的檢測。

Opencatalyst 跟蹤系統(tǒng)預測分子中原子間力的成效。

每個測試分為兩個部分。衡量系統(tǒng)訓練模型的速度的指標被稱為強標度。其對應的弱標度是衡量系統(tǒng)最大吞吐量的指標，即系統(tǒng)在給定時間內(nèi)可以訓練多少模型。

與去年 MLPerf 0.7 那一輪的強標度最佳成績相比，NVIDIA 為 Cosmoflow 性能提升了多達 5 倍。在 deepcam 方面，則將性能提高了近 7 倍以上。

勞倫斯伯克利國家實驗室 （Lawrence Berkeley National Laboratory） 的 Perlmutter 系統(tǒng)使用了 5，120 個 NVIDIA A100 Tensor Core GPU 中的 2，048 個，在 opencatalyst基準中成績斐然。

在弱標度類別中，NVIDIA使用每個作業(yè) 16 個節(jié)點和 256 個同時作業(yè)來主導 deepcam。NVIDIA所有的測試都在 NVIDIA Selene（如上圖），即NVIDIA內(nèi)部系統(tǒng)和大型工業(yè)超級計算機上運行。

最新結(jié)果顯示 NVIDIA AI 平臺及其性能領先性的另一個維度。這是 NVIDIA 第八次在 MLPerf 基準中獲得最高分，該基準涵蓋數(shù)據(jù)中心、云和網(wǎng)絡邊緣的 AI 訓練和推理。

龐大的生態(tài)系統(tǒng)

本輪八名參與者中有七名使用 NVIDIA GPU 提交了結(jié)果。

其中包括德國于利希超級計算中心、瑞士國家超算中心，以及美國的阿貢國家實驗室、勞倫斯伯克利國家實驗室、國家超級計算機應用中心和德克薩斯高級計算中心。

于利希超算中心（Jülich Supercomputing Centre）主任 Thomas Lippert 表示：“通過基準測試，我們已經(jīng)證明我們的機器能夠在實踐中發(fā)揮其潛力，并有助于讓歐洲在 AI 方面保持領先?！?/p>

MLPerf 基準由 MLCommons 提供支持。后者是由阿里巴巴、Google、英特爾、Meta、NVIDIA 等牽頭的行業(yè)組織。

我們的實現(xiàn)方式

如此強勁的表現(xiàn)都得益于 NVIDIA AI 平臺的成熟發(fā)展。該平臺目前已包括完整的軟件堆棧。

在這一輪中，NVIDIA使用每個人都可以使用的工具來調(diào)整代碼，例如可以加速數(shù)據(jù)處理的 NVIDIA DALI 和能夠減少小批量延遲的 CUDA Graphs，追蹤將橫向擴展到 1，024 個或更多個 GPU。此外還應用了 NVIDIA SHARP，這是 NVIDIA MagnumIO 中的一個關(guān)鍵組件，可提供網(wǎng)絡計算以加速通信并將數(shù)據(jù)操作卸載到 NVIDIA Quantum InfiniBand 交換機網(wǎng)絡。

NVIDIA用于提交作品的所有軟件均可從 MLPerf 倉庫獲得。NVIDIA定期將此類代碼添加到 NGC 目錄。該目錄是NVIDIA預訓練 AI 模型、行業(yè)應用程序框架、GPU 應用程序和其他軟件資源的軟件中心。

責任編輯：haq