人工智能繼續(xù)推動跨行業(yè)的突破性創(chuàng)新，包括消費互聯(lián)網(wǎng)、醫(yī)療保健和生命科學、金融服務、零售、制造和超級計算。研究人員繼續(xù)推動快速發(fā)展的模型在規(guī)模、復雜度和多樣性方面的發(fā)展。此外，其中許多復雜的大規(guī)模模型需要為聊天機器人、數(shù)字助理和欺詐檢測等人工智能支持的服務提供實時結果。

考慮到人工智能推理的廣泛用途，評估性能對開發(fā)人員和基礎設施管理人員提出了許多挑戰(zhàn)。對于數(shù)據(jù)中心、 edge 和移動平臺上的 AI 推理， MLPerf 推理 1.1 是一個行業(yè)標準基準，用于衡量計算機視覺、醫(yī)學成像、自然語言和推薦系統(tǒng)的性能。這些基準由人工智能行業(yè)領導者組成的聯(lián)盟制定，為人工智能培訓和推理提供了當今最全面的同行評審績效數(shù)據(jù)集。

要在這一基準測試中完成大量測試，需要一個具有強大生態(tài)系統(tǒng)支持的全堆棧平臺，無論是框架還是網(wǎng)絡。 NVIDIA 是唯一一家提交所有數(shù)據(jù)中心和邊緣測試并提供全面領先性能的公司。

這項工作的一個重要副產(chǎn)品是，這些優(yōu)化中的許多已經(jīng)進入了推理開發(fā)工具，如TensorRT和 NVIDIA Triton 。用于高性能深度學習推理的 TensorRT SDK 包括一個深度學習推理優(yōu)化器和運行時，為深度學習推理應用程序提供低延遲和高吞吐量。

Triton 推理服務器軟件簡化了人工智能模型在大規(guī)模生產(chǎn)中的部署。這種開源推理服務軟件使團隊能夠在任何基于 GPU 或 CPU 的基礎設施上從本地存儲或云平臺的任何框架部署經(jīng)過培訓的人工智能模型。

按數(shù)字

在數(shù)據(jù)中心和邊緣兩大類中， NVIDIA 憑借 NVIDIA A100 張量核 GPU 和 NVIDIA A30 張量核 GPU 在性能測試中名列榜首。自從 MLPerf 推斷 0.7 的結果發(fā)布以來，在過去一年中， NVIDIA 僅通過軟件改進就提高了 50% 的性能。

在另一個行業(yè)中， NVIDIA 首次使用基于 GPU – 加速 ARM 的服務器提交數(shù)據(jù)中心類別，該服務器支持所有工作負載，并提供與類似配置的基于 x86 的服務器相同的結果。這些基于 ARM 的新提交為 GPU 加速 ARM 服務器創(chuàng)造了新的性能世界記錄。這標志著這些平臺的一個重要里程碑，因為它們現(xiàn)在已經(jīng)在同行評審的行業(yè)標準基準中證明了自己，以提供市場領先的性能。它還展示了 NVIDIA ARM 軟件生態(tài)系統(tǒng)的性能、多功能性和就緒性，以應對數(shù)據(jù)中心的計算挑戰(zhàn)。

圖 1 。使用 Ampere Altra CPU s 的基于 ARM 的服務器提供的性能與類似配置的基于 x86 的服務器相當

MLPerf v1.1 推理關閉；每個加速器的性能源自使用數(shù)據(jù)中心脫機中報告的加速器計數(shù)的各個提交的最佳 MLPerf 結果。 x86 服務器： 1.1-034 、 ARM 服務器： 1.1-033 MLPerf 名稱和徽標是商標。

綜觀整體表現(xiàn)， NVIDIA 全面領先。圖 2 顯示了服務器場景的結果，其中使用泊松分布為測試中的系統(tǒng)生成推理工作，以更緊密地模擬真實世界的工作負載模式。

圖 2 。 NVIDIA 與 CPU 純服務器的性能比較

MLPerf v1.1 推理關閉；使用數(shù)據(jù)中心脫機和服務器中報告的加速器計數(shù)，從各個提交的最佳 MLPerf 結果中得出每個加速器的性能。高通 AI 100 ： 1.1-057 和 1.1-058 ，英特爾至強 8380 ： 1.1-023 和 1.1-024 ， NVIDIA A30 ： 1.1-43 ， NVIDIA A100 （ ARM ）： 1.1-033 ， NVIDIA A100 （ x86 ）： 1.1-047 。 MLPerf 名稱和徽標是商標。

NVIDIA 比 CPU 純服務器的性能全面提高了 104 倍。這種性能優(yōu)勢轉化為對更大、更復雜的模型以及在對話 AI 、推薦系統(tǒng)和數(shù)字助理中實時作業(yè)中運行的多個模型進行推理的能力。

結果背后的優(yōu)化

我們的工程團隊實施了一些優(yōu)化，使這些偉大的結果成為可能。首先，基于 ARM 的服務器和基于 x86 的服務器的所有這些結果都是使用 TensorRT 8 生成的，現(xiàn)在普遍可用。特別令人感興趣的是雙內核的非冪函數(shù)的使用，這是為了加速工作負載而實現(xiàn)的，比如 BERT – 大型單流場景測試。

NVIDIA 提交利用添加到 NVIDIA Triton 推理服務器的新主機策略功能。您可以在配置 NVIDIA Triton 服務器時指定主機策略，以在服務器應用程序中啟用線程和內存固定。利用此功能， NVIDIA Triton 可以為系統(tǒng)中的每個 GPU 指定輸入的最佳位置。最佳位置可以基于系統(tǒng)的非統(tǒng)一內存體系結構（ NUMA ）配置，在這種情況下，每個 NUMA 節(jié)點上都有一個查詢樣本庫。

您還可以使用主機策略啟用“從設備啟動”配置設置，服務器將在選擇執(zhí)行的 GPU 上拾取輸入。此設置還可以將網(wǎng)絡輸入直接輸入 GPU 內存，完全繞過 CPU 和系統(tǒng)內存副本。

推理能力三人組： TensorRT ， NVIDIA Triton 和 NGC

NVIDIA 推理領導力來自于構建最優(yōu)秀的人工智能加速器，用于培訓和推理。但同樣重要的是支持所有 AI 框架和 800 多個 HPC 應用程序的 NVIDIA 端到端、全棧軟件生態(tài)系統(tǒng)。

所有這些軟件都可以在NGC、 NVIDIA 集線器上獲得，該集線器帶有 GPU ——用于深度學習、機器學習和 HPC 的優(yōu)化軟件。 NGC 負責所有管道，因此數(shù)據(jù)科學家、開發(fā)人員和研究人員可以專注于構建解決方案、收集 i NSight 并提供業(yè)務價值。

NGC 可通過您首選的云提供商的市場免費獲得。在那里，您可以找到 TensorRT 和 NVIDIA Triton 的最新版本，這兩個版本都有助于生成最新的 MLPerf 推斷 1.1 結果。

關于作者

Dave Salvator 是 NVIDIA 旗下 Tesla 集團的高級產(chǎn)品營銷經(jīng)理，專注于超規(guī)模、深度學習和推理。

Jesus Corbal San Adrian 是 NVIDIA 計算架構組的杰出工程師，專注于深度學習推理 GPU 分析和優(yōu)化。

Madhumitha Sridhara 是 TensorRT 團隊的高級軟件工程師，專注于使用 Triton 推理服務器的 NVIDIA MLPerf推理提交。她擁有卡內基梅隆大學計算機工程碩士學位和印度卡納塔克邦蘇拉特卡爾國家理工學院電子和通信工程學士學位。

審核編輯：郭婷