ماذا تعني نتائج مقياس MLPerf AI الجديد من Nvidia حقًا
ألا تستطيع حضور Transform 2022؟ تحقق من جميع جلسات القمة في مكتبتنا عند الطلب الآن! انظر هنا.
أصدرت Nvidia اليوم نتائج مقابل معايير جديدة للذكاء الاصطناعي (AI) متوافقة مع معايير MLPerf لمعالجاتها التي تركز على الذكاء الاصطناعي. بينما بدت النتائج مثيرة للإعجاب ، من المهم أن نلاحظ أن بعض المقارنات التي يجرونها مع الأنظمة الأخرى ليست في الحقيقة تفاحًا عن التفاح. على سبيل المثال ، تعمل أنظمة Qualcomm ببصمة طاقة أقل بكثير من H100 وتستهدف قطاعات السوق المماثلة لـ A100 ، حيث تكون مقارنات الاختبار أكثر عدلاً.
اختبرت Nvidia نظام H100 المتطور الخاص بها بناءً على أحدث هندسة هوبر ؛ إنه الآن نظام A100 متوسط المدى للحوسبة المتطورة ؛ ونظام Jetson الأصغر الخاص به يستهدف أنواع أعباء العمل الفردية و / أو الطرفية الأصغر. إنه أول تقديم لـ H100 ويفتخر بأداء يصل إلى 4.5 مرة أفضل من A100. وفقًا للرسم البياني أدناه ، حققت Nvidia نتائج مبهرة لمنصة H100 المتطورة.
استخدمت Nvidia معيار MLPerf Inference V2.1 لتقييم قدراتها في ظل سيناريوهات عبء العمل المختلفة لاستدلال الذكاء الاصطناعي. يختلف الاستدلال عن التعلم الآلي (ML) حيث يتم إنشاء نماذج التدريب و "التعلم" للأنظمة.
يُستخدم الاستدلال لتشغيل النماذج التي تم تعلمها على سلسلة من نقاط البيانات والحصول على النتائج. استنادًا إلى المحادثات مع الشركات والبائعين ، نعتقد في J. Gold Associates، LLC أن سوق استدلال الذكاء الاصطناعي أكبر بكثير من سوق التدريب على التعلم الآلي ، لذلك من المهم إظهار إشارات استدلالية جيدة للنجاح. حدث
MetaBeat 2022
ستجمع MetaBeat قادة الفكر لتقديم المشورة بشأن الطريقة التي ستغير بها التكنولوجيا metaverse الطريقة التي تتواصل بها جميع الصناعات وتؤدي أعمالها في 4 أكتوبر في سان فرانسيسكو ، كاليفورنيا. سجل هنا لماذا تقوم Nvidia بتشغيل MLPerf
MLPerf عبارة عن مجموعة اختبارات معيارية متوافقة مع معايير الصناعة تتضمن مدخلات مكثفة من مجموعة متنوعة من الشركات ونماذج مجموعة متنوعة من أعباء العمل. يتم تضمين أشياء مثل معالجة اللغة الطبيعية والتعرف على الكلام وتصنيف الصور والتصوير الطبي واكتشاف الأشياء.
يعد المعيار مفيدًا لأنه يمكن تشغيله على أجهزة متعددة باستخدام بيانات عالية الجودة ...
ألا تستطيع حضور Transform 2022؟ تحقق من جميع جلسات القمة في مكتبتنا عند الطلب الآن! انظر هنا.
أصدرت Nvidia اليوم نتائج مقابل معايير جديدة للذكاء الاصطناعي (AI) متوافقة مع معايير MLPerf لمعالجاتها التي تركز على الذكاء الاصطناعي. بينما بدت النتائج مثيرة للإعجاب ، من المهم أن نلاحظ أن بعض المقارنات التي يجرونها مع الأنظمة الأخرى ليست في الحقيقة تفاحًا عن التفاح. على سبيل المثال ، تعمل أنظمة Qualcomm ببصمة طاقة أقل بكثير من H100 وتستهدف قطاعات السوق المماثلة لـ A100 ، حيث تكون مقارنات الاختبار أكثر عدلاً.
اختبرت Nvidia نظام H100 المتطور الخاص بها بناءً على أحدث هندسة هوبر ؛ إنه الآن نظام A100 متوسط المدى للحوسبة المتطورة ؛ ونظام Jetson الأصغر الخاص به يستهدف أنواع أعباء العمل الفردية و / أو الطرفية الأصغر. إنه أول تقديم لـ H100 ويفتخر بأداء يصل إلى 4.5 مرة أفضل من A100. وفقًا للرسم البياني أدناه ، حققت Nvidia نتائج مبهرة لمنصة H100 المتطورة.
استخدمت Nvidia معيار MLPerf Inference V2.1 لتقييم قدراتها في ظل سيناريوهات عبء العمل المختلفة لاستدلال الذكاء الاصطناعي. يختلف الاستدلال عن التعلم الآلي (ML) حيث يتم إنشاء نماذج التدريب و "التعلم" للأنظمة.
يُستخدم الاستدلال لتشغيل النماذج التي تم تعلمها على سلسلة من نقاط البيانات والحصول على النتائج. استنادًا إلى المحادثات مع الشركات والبائعين ، نعتقد في J. Gold Associates، LLC أن سوق استدلال الذكاء الاصطناعي أكبر بكثير من سوق التدريب على التعلم الآلي ، لذلك من المهم إظهار إشارات استدلالية جيدة للنجاح. حدث
MetaBeat 2022
ستجمع MetaBeat قادة الفكر لتقديم المشورة بشأن الطريقة التي ستغير بها التكنولوجيا metaverse الطريقة التي تتواصل بها جميع الصناعات وتؤدي أعمالها في 4 أكتوبر في سان فرانسيسكو ، كاليفورنيا. سجل هنا لماذا تقوم Nvidia بتشغيل MLPerf
MLPerf عبارة عن مجموعة اختبارات معيارية متوافقة مع معايير الصناعة تتضمن مدخلات مكثفة من مجموعة متنوعة من الشركات ونماذج مجموعة متنوعة من أعباء العمل. يتم تضمين أشياء مثل معالجة اللغة الطبيعية والتعرف على الكلام وتصنيف الصور والتصوير الطبي واكتشاف الأشياء.
يعد المعيار مفيدًا لأنه يمكن تشغيله على أجهزة متعددة باستخدام بيانات عالية الجودة ...
What's Your Reaction?
