很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于Nvidia在MLPerf AI基准测试中创下新纪录的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对Nvidia在MLPerf AI基准测试中创下新纪录这篇文章感兴趣的小伙伴可以一起来看看
英伟达公司(Nvidia Corp.)表示，其在今天公布的新基准测试中的出色表现表明，其超级计算机硬件是训练人工智能算法的最合适平台之一。
该公司的DGX SuperPOD平台由其最新的Tesla V100 Tensor Core图形处理单元提供支持，并在其CUDA-X AI软件上运行，在六个MLPerf类别中均创下了新记录，在不到20分钟的时间内完成了每个任务。
MLPerf是一种AI推理基准测试，旨在测量六类系统的电源，效率和性能，其中一类用于图像分类，两类用于对象检测，两类用于翻译以及一类强化学习，与培训机器人，智能城市有关交通流量系统等。简而言之，MLPerf基准测试衡量系统在这些类别中训练机器学习模型的速度。
Nvidia的DGX SuperPOD系统在MLPerf基准测试中与Google LLC和英特尔公司的最新AI硬件竞争，并表明它很容易与竞争对手的平台相提并论。
Nvidia加速计算产品营销总监Paresh Kharya在新闻公布会上说：“我们在这一轮中打破了八项性能记录，最大规模达到了三项，每个加速器达到了五项。”
实际上，Nvidia实际上粉碎了这些记录。例如，其NVIDIA DGX SuperPOD系统可以训练ResNet 50模型进行图像识别，该任务仅两年前就花了大约八个小时，而在最新测试中仅花费了80秒。
Nvidia的系统还使更难的算法变得无可争议，例如分量级目标检测和强化学习。分量级物体检测依赖于MASK R-CNN深度神经网络，并通过组合多个数据源，使诸如摄像头，传感器，激光雷达和超声仪之类的设备能够精确识别和定位特定物体。
训练MASK R-CNN深度神经网络过去需要花费数百小时。这次，Nvidia能够在不到19分钟的时间内完成任务，这几乎是其他新AI系统完成速度的两倍。
例如，用于在工厂车间训练机器人的MiniGo AI强化训练模型，Nvidia的平台仅需13.57分钟即可完成此任务。
