Machine Learning Training bringt Google und Nvidia an die Spitze
13. Juli 2019Machine Learning Training bringt Google und Nvidia an die Spitze
New York, 12.7.2019
Die künstliche Intelligenz (KI) ist so weit fortgeschritten, dass führende Forschungsuniversitäten und Dutzende von Technologieunternehmen wie Google und Nvidia an den Vergleichen teilnehmen.
Die Ergebnisse der letzten Runde von Benchmarks, die diese Woche veröffentlicht wurden, zeigten, dass sowohl Nvidia als auch Google bewiesen haben, dass sie die Rechenzeit, die für das Training tiefer neuronaler Netze, die in einigen gängigen KI-Anwendungen verwendet werden, benötigt wird, von Tagen auf Stunden reduzieren können.
„Die neuen Ergebnisse sind wirklich beeindruckend“, schrieb Karl Freund, Senior Analyst für Machine Learning bei Moor Insights & Strategy, in einem Kommentar auf der EE Times. Von den sechs Benchmarks belegten Nvidia und Google jeweils drei Spitzenplätze. Nvidia reduzierte seine Laufzeit um bis zu 80% mit dem V100 TensorCore Beschleuniger im DGX2h Baustein.
Die Leistungsbenchmarks, genannt MLPerf Training v0.6, waren die zweite Runde dieser Benchmarks, die von MLPerf, einer Gruppe von mehr als 40 Unternehmen und Universitäten, die KI forschen, gefördert wurde. In der zweiten Runde wurde die Zeit gemessen, die benötigt wird, um jedes der sechs Modelle für Aufgaben wie Bildklassifizierung, Objekterkennung, Übersetzung und MiniGo-Spielen zu trainieren.
In einer Pressemitteilung sagte MLPerf, die Einreichungen „zeigten erhebliche technologische Fortschritte gegenüber v0.5.“. Insgesamt erhielt die v0.6 63 Beiträge aus fünf Gruppen.
Während Nvidia und Google dominierten, wird von Intel erwartet, dass er Ende 2019 mit dem Nervana NNP-T in späteren Benchmarks auftritt. Google bietet KI-Supercomputing als Service für KI-Entwickler mit seinen Tensor Processing Units an, die erstmals 2016 eingeführt wurden.
Nvidia kündigte seine Leistung in einer Pressemitteilung an: „Unsere KI-Plattform durchschneidet nun Modelle, die einst einen ganzen Arbeitstag brauchten, um in weniger als zwei Minuten zu trainieren“.
Das Unternehmen sagte, dass sein DGX SuperPOD zusammen mit der Mellanox InfiniBand und der Nvidia KI-Software in der Lage war, ein Bilderkennungsmodell in nur 80 Sekunden zu trainieren, „weniger Zeit, als es für eine Tasse Kaffee benötigt“. Im Frühjahr 2017 dauerte es acht Stunden, um die gleiche Arbeitsbelastung auf dem DGX 1-System zu bewältigen.
Während solche Ergebnisse beeindruckend sind, sagte Freund, dass er sich Sorgen um die Kosten für KI-Hardware macht. Der DGX2h SuperPod, der von Nvidia in der Trainingsroutine verwendet wird, hat einen „verblüffenden“ Preis von etwa 38 Millionen Dollar, sagte Freund.
