7月1日消息，Graphcore（拟未）正式发布其参与MLPerf测试的最新结果。本次提交中，Graphcore使用新发布的 Bow系统分别在图像分类模型ResNet-50和自然语言处理模型BERT上实现了和上次提交相比高达31%和37%的性能提升。此外，Graphcore还新增了语音转录模型RNN-T的提交。
本次MLPerf提交中，首次有第三方使用了Graphcore的系统。百度飞桨使用Graphcore系统进行了BERT的提交，并展现出和Graphcore的BERT提交几乎一致的性能，证明了Graphcore的IPU所提供的性能可以有效地跨框架复现，以及IPU生态进一步繁荣的潜力。
据介绍，Graphcore此次在封闭分区面向ResNet-50和BERT两个模型提交了以3D WoW处理器Bow IPU为核心的Bow系统，包括Bow Pod16、Bow Pod64、Bow Pod128和Bow Pod256。和前代产品相比，Bow系统在提供更优性能的同时价格保持不变，进一步提升了Graphcore系统的性价比优势。结果显示，与上次提交相比，ResNet-50的训练时间提升高达31%，BERT的训练时间提升高达37%。
在GPU占据优势的模型ResNet-50上，Bow Pod16仅耗时19.6分钟，表现优于NVIDIA的旗舰产品DGX-A100 640GB所需的28.7分钟，再一次体现了Bow系统的性价比优势。
除此之外，Graphcore还提交了RNN-T在开放分区中的结果。RNN是一种进行高度准确的语音识别的精密方式，在移动设备上被广泛使用。在Bow Pod64上，RNN-T的训练时间可以从原本的几周缩短到几天。
Graphcore中国工程副总裁、AI算法科学家金琛表示：“对于本次MLPerf取得的出色成绩，我们感到非常自豪，这与Graphcore始终坚持创新密不可分。我们也非常高兴能够与百度飞桨联合进行提交，通过与百度飞桨的合作加速IPU生态系统的扩展，为产业赋能，推动各领域产业AI化转型和升级。未来，我们也将继续创新，应对不断增长的AI计算挑战，助力AI计算的演进。”
在本次MLPerf Training 2.0的提交中，百度飞桨使用Bow Pod16和Bow Pod64进行了BERT在封闭分区的提交，结果与Graphcore使用PopART进行提交的结果几乎一致。这充分证明了Graphcore IPU性能的跨框架复现能力。这一能力的实现得益于Graphcore灵活的硬件系统、持续优化的软件、强大的本地支持和合作伙伴的支持。正如此次提交，百度将Graphcore的Poplar®与飞桨软件框架相结合，实现了出色的性能结果。
百度飞桨产品团队负责人赵乔表示：“百度飞桨与Graphcore的合作，在本次MLPerf上获得了十分优秀的成果。Graphcore的IPU系统在合作中展现了出色的性能，在许多应用场景都展现出了巨大的应用潜力。我们期待进一步加深与Graphcore在硬件生态共创计划中的合作，以创新的技术加速AI产业落地，推动AI产业变革。”
百度飞桨已经实现了对于IPU的全面支持。Graphcore是百度飞桨硬件生态圈的创始成员，并在2022年5月正式加入了百度飞桨发起的硬件生态共创计划。未来，双方还将进一步展开合作，为开发者提供更多创新工具，推动AI生态繁荣，从而赋能产业中AI的应用和AI的商业化。产业中AI的应用落地，也必将反哺AI的发展和AI生态的进一步繁荣。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
