NVIDIA AI 性能揭曉：在 MLPerf 基準測試 Turbo 生成 AI 訓練效能
https://news.xfastest.com/wp-content/uploads/2023/11/NVIDIA12.jpgNVIDIA AI 平台在最新的 MLPerf 產業基準測試中再次提高了人工智慧訓練和高效能運算的標準。
在眾多新紀錄和里程碑中，生成式人工智慧領域的一項紀錄特別突出：由多達 10,752 個 NVIDIA H100 Tensor Core GPU 和 NVIDIA Quantum-2 InfiniBand 網路技術驅動的 NVIDIA Eos 人工智慧超級電腦，僅在 3.9 分鐘內完成了基於 GPT-3 模型、擁有 1750 億個參數的訓練基準，與 NVIDIA 於此測試在不到六個月前甫推出時所創下的 10.9 分鐘紀錄相比，本次成績提高了近 3 倍。
該基準測試使用了流行的 ChatGPT 服務背後完整 GPT-3 資料集的一部分。透過推斷，Eos 現在只需八天即可完成訓練，比過往使用 512 個 A100 GPU 的最先進系統快上 73 倍。
加快訓練時間可以降低成本、節省能源並加速上市時間。雖然是一項艱鉅的任務，但透過 NVIDIA NeMo（一種用於自訂大型語言的框架）等工具，大型語言模型得以廣泛應用，進而使每個企業都能採用它們。
在這一輪的新生成式人工智慧測試中，1,024 個 NVIDIA Hopper 架構的 GPU在 2.5 分鐘內完成了基於穩定擴散文本到圖像模型的訓練基準，為這一新工作負載建立了高標準。
透過採用這兩個測試，MLPerf 強化了自身在測量人工智慧效能方面的領導地位，因為生成式人工智慧是當今最具變革性的技術。
https://news.xfastest.com/wp-content/uploads/2023/11/1-NV-H100-Leaps-to-New-Heights.jpg
系統擴展劇增
最新結果的部分原因是使用了有史以來應用於 MLPerf 基準測試數量最多的加速器。10,752 個 H100 GPU 遠遠超過了 6 月 AI 訓練的規模，當時 NVIDIA 使用了 3,584 個 Hopper GPU。
GPU 數量擴展了 3 倍，效能擴展了 2.8 倍，還有部分歸功於軟體優化使效率高達 93%。
高效率地擴展是生成式人工智慧的關鍵需求，因為大型語言模型每年都在以數量級的速度成長。最新結果顯示出NVIDIA 有能力應對全球最大資料中心也必須克服、且前所未有的挑戰。
這項成就歸功於 Eos 和 Microsoft Azure 在最新一輪中使用具備加速器、系統和軟體創新的全端平台。
Eos和Azure在各自提交的檔案中均使用了10,752個H100 GPU。它們的效能相差不到2%，展現了 NVIDIA 人工智慧在資料中心和公有雲部署的高效率。
NVIDIA 依靠 Eos 來完成一系列關鍵工作。它有助於推進像是 NVIDIA DLSS（用於最先進電腦圖形的人工智慧驅動軟體）等計劃，以及像是ChipNeMo（幫助設計下一代 GPU 的生成式人工智慧工具）等 NVIDIA 研究項目。
https://news.xfastest.com/wp-content/uploads/2023/11/2-Near-linear-scaling-of-NV-H100s-on-MLPerf-training-benchmark.jpg
https://news.xfastest.com/wp-content/uploads/2023/11/3-Azure-achieves-record-scaling.jpg
跨工作負載的進步
除了在生成式人工智慧方面取得進展外，NVIDIA 在這一輪中還創下了多項新紀錄。
例如，H100 GPU在訓練推薦模型方面比先前一輪的速度快了1.6倍，這些模型廣泛用於幫助使用者在網上找到他們正在尋找的內容。在電腦視覺模型 RetinaNet 上的效能提高了 1.8倍。
這些提升來自軟體進步和硬體規模擴大的結合。
NVIDIA再次成為唯一一家完成所有MLPerf測試的公司。H100 GPU在九項基準測試中都表現出最快的效能和最大的擴展能力。
對於訓練大量大型語言模型或使用 NeMo 等框架，以符合其業務的特定需求進行客製化的使用者而言，加速意味著更快的上市時間、更低的成本和節省能源。
共有11家系統製造商在本輪提交的成果中使用了NVIDIA 人工智慧平台，包括華碩、戴爾科技集團、富士通、技嘉科技、聯想、雲達科技和美超微。
NVIDIA 合作夥伴之所以參與 MLPerf，是因為他們知道這對客戶評估人工智慧平台和供應商來說，是一個很有價值的重要工具。
https://news.xfastest.com/wp-content/uploads/2023/11/4-Six-NVIDIA-records-in-MLPerf-training.jpg
高效能運算標竿提升
在MLPerf HPC（高效能運算）領域，這是一個專門用於超級電腦上、並以AI輔助模擬的基準測試，H100 GPU在上一輪高效能運算測試中的效能是NVIDIA A100 Tensor Core GPU的兩倍。這些結果顯示自2019年首次舉行MLPerf高效能運算測試以來，效能提升了多達16倍。
該基準測試包括一項訓練OpenFold的新測試，OpenFold是一個從氨基酸序列預測蛋白質3D結構的模型。OpenFold能夠在幾分鐘內完成對醫療保健至關重要的工作，而這些工作以前都需要研究人員花費數周或數月才能完成。
了解蛋白質的結構是快速找到有效藥物的關鍵，因為大多數藥物皆作用於蛋白質，而蛋白質是幫助控制許多生物過程的細胞機制。
在MLPerf HPC測試中，H100 GPU在7.5分鐘內訓練了OpenFold。這個OpenFold測試是整個AlphaFold訓練過程的代表性部分，兩年前AlphaFold訓練過程使用128個加速器，耗時11天。
OpenFold模型的一個版本和NVIDIA用於訓練的軟體不久後將在NVIDIA BioNeMo中提供，NVIDIA BioNeMo是一個用於藥物發現的生成式人工智慧平台。
在這一輪測試中，數個合作夥伴使用了NVIDIA的人工智慧平台提交測試成果。這些合作夥伴包括戴爾科技集團、克萊門森大學（Clemson University）的超級電腦中心、德州大學奧斯汀分校的德州高級運算中心，以及獲得慧與科技（Hewlett Packard Enterprise）協助的勞倫斯伯克利國家實驗室（Lawrence Berkeley National Laboratory）。
獲得廣泛支持的基準測試
自 2018 年 5 月推出以來，MLPerf 基準測試得到了業界和學術界的廣泛支持。支持MLPerf 基準測試的機構包括亞馬遜、Arm、百度、Google、哈佛大學、慧與科技、英特爾、聯想、Meta、微軟、NVIDIA、史丹佛大學和多倫多大學。
MLPerf 基準測試透明而客觀，因此使用者皆可依據測試結果，做出最為明智的購買決定。
NVIDIA使用的所有軟體都可以從MLPerf資源庫中取得，因此所有開發人員都可以獲得相同的世界級成果。NVIDIA不斷將軟體最佳化結果放入 NGC（NVIDIA的GPU 加速軟體目錄）上的容器中。
瞭解更多關於MLPerf及本輪測試的詳細資訊。
source: blogs.nvidia.com
頁:
[1]