人工智能繼續(xù)推動(dòng)跨行業(yè)的突破性創(chuàng)新，包括消費(fèi)互聯(lián)網(wǎng)、醫(yī)療保健和生命科學(xué)、金融服務(wù)、零售、制造和超級(jí)計(jì)算。研究人員繼續(xù)推動(dòng)快速發(fā)展的模型在規(guī)模、復(fù)雜度和多樣性方面的發(fā)展。此外，其中許多復(fù)雜的大規(guī)模模型需要為聊天機(jī)器人、數(shù)字助理和欺詐檢測(cè)等人工智能支持的服務(wù)提供實(shí)時(shí)結(jié)果。

考慮到人工智能推理的廣泛用途，評(píng)估性能對(duì)開(kāi)發(fā)人員和基礎(chǔ)設(shè)施管理人員提出了許多挑戰(zhàn)。對(duì)于數(shù)據(jù)中心、 edge 和移動(dòng)平臺(tái)上的 AI 推理， MLPerf 推理 1.1 是一個(gè)行業(yè)標(biāo)準(zhǔn)基準(zhǔn)，用于衡量計(jì)算機(jī)視覺(jué)、醫(yī)學(xué)成像、自然語(yǔ)言和推薦系統(tǒng)的性能。這些基準(zhǔn)由人工智能行業(yè)領(lǐng)導(dǎo)者組成的聯(lián)盟制定，為人工智能培訓(xùn)和推理提供了當(dāng)今最全面的同行評(píng)審績(jī)效數(shù)據(jù)集。

要在這一基準(zhǔn)測(cè)試中完成大量測(cè)試，需要一個(gè)具有強(qiáng)大生態(tài)系統(tǒng)支持的全堆棧平臺(tái)，無(wú)論是框架還是網(wǎng)絡(luò)。 NVIDIA 是唯一一家提交所有數(shù)據(jù)中心和邊緣測(cè)試并提供全面領(lǐng)先性能的公司。

這項(xiàng)工作的一個(gè)重要副產(chǎn)品是，這些優(yōu)化中的許多已經(jīng)進(jìn)入了推理開(kāi)發(fā)工具，如TensorRT和 NVIDIA Triton 。用于高性能深度學(xué)習(xí)推理的 TensorRT SDK 包括一個(gè)深度學(xué)習(xí)推理優(yōu)化器和運(yùn)行時(shí)，為深度學(xué)習(xí)推理應(yīng)用程序提供低延遲和高吞吐量。

Triton 推理服務(wù)器軟件簡(jiǎn)化了人工智能模型在大規(guī)模生產(chǎn)中的部署。這種開(kāi)源推理服務(wù)軟件使團(tuán)隊(duì)能夠在任何基于 GPU 或 CPU 的基礎(chǔ)設(shè)施上從本地存儲(chǔ)或云平臺(tái)的任何框架部署經(jīng)過(guò)培訓(xùn)的人工智能模型。

按數(shù)字

在數(shù)據(jù)中心和邊緣兩大類(lèi)中， NVIDIA 憑借 NVIDIA A100 張量核 GPU 和 NVIDIA A30 張量核 GPU 在性能測(cè)試中名列榜首。自從 MLPerf 推斷 0.7 的結(jié)果發(fā)布以來(lái)，在過(guò)去一年中， NVIDIA 僅通過(guò)軟件改進(jìn)就提高了 50% 的性能。

在另一個(gè)行業(yè)中， NVIDIA 首次使用基于 GPU – 加速 ARM 的服務(wù)器提交數(shù)據(jù)中心類(lèi)別，該服務(wù)器支持所有工作負(fù)載，并提供與類(lèi)似配置的基于 x86 的服務(wù)器相同的結(jié)果。這些基于 ARM 的新提交為 GPU 加速 ARM 服務(wù)器創(chuàng)造了新的性能世界記錄。這標(biāo)志著這些平臺(tái)的一個(gè)重要里程碑，因?yàn)樗鼈儸F(xiàn)在已經(jīng)在同行評(píng)審的行業(yè)標(biāo)準(zhǔn)基準(zhǔn)中證明了自己，以提供市場(chǎng)領(lǐng)先的性能。它還展示了 NVIDIA ARM 軟件生態(tài)系統(tǒng)的性能、多功能性和就緒性，以應(yīng)對(duì)數(shù)據(jù)中心的計(jì)算挑戰(zhàn)。

圖 1 。使用 Ampere Altra CPU s 的基于 ARM 的服務(wù)器提供的性能與類(lèi)似配置的基于 x86 的服務(wù)器相當(dāng)

MLPerf v1.1 推理關(guān)閉；每個(gè)加速器的性能源自使用數(shù)據(jù)中心脫機(jī)中報(bào)告的加速器計(jì)數(shù)的各個(gè)提交的最佳 MLPerf 結(jié)果。 x86 服務(wù)器： 1.1-034 、 ARM 服務(wù)器： 1.1-033 MLPerf 名稱(chēng)和徽標(biāo)是商標(biāo)。

綜觀整體表現(xiàn)， NVIDIA 全面領(lǐng)先。圖 2 顯示了服務(wù)器場(chǎng)景的結(jié)果，其中使用泊松分布為測(cè)試中的系統(tǒng)生成推理工作，以更緊密地模擬真實(shí)世界的工作負(fù)載模式。

圖 2 。 NVIDIA 與 CPU 純服務(wù)器的性能比較

MLPerf v1.1 推理關(guān)閉；使用數(shù)據(jù)中心脫機(jī)和服務(wù)器中報(bào)告的加速器計(jì)數(shù)，從各個(gè)提交的最佳 MLPerf 結(jié)果中得出每個(gè)加速器的性能。高通 AI 100 ： 1.1-057 和 1.1-058 ，英特爾至強(qiáng) 8380 ： 1.1-023 和 1.1-024 ， NVIDIA A30 ： 1.1-43 ， NVIDIA A100 （ ARM ）： 1.1-033 ， NVIDIA A100 （ x86 ）： 1.1-047 。 MLPerf 名稱(chēng)和徽標(biāo)是商標(biāo)。

NVIDIA 比 CPU 純服務(wù)器的性能全面提高了 104 倍。這種性能優(yōu)勢(shì)轉(zhuǎn)化為對(duì)更大、更復(fù)雜的模型以及在對(duì)話(huà) AI 、推薦系統(tǒng)和數(shù)字助理中實(shí)時(shí)作業(yè)中運(yùn)行的多個(gè)模型進(jìn)行推理的能力。

結(jié)果背后的優(yōu)化

我們的工程團(tuán)隊(duì)實(shí)施了一些優(yōu)化，使這些偉大的結(jié)果成為可能。首先，基于 ARM 的服務(wù)器和基于 x86 的服務(wù)器的所有這些結(jié)果都是使用 TensorRT 8 生成的，現(xiàn)在普遍可用。特別令人感興趣的是雙內(nèi)核的非冪函數(shù)的使用，這是為了加速工作負(fù)載而實(shí)現(xiàn)的，比如 BERT – 大型單流場(chǎng)景測(cè)試。

NVIDIA 提交利用添加到 NVIDIA Triton 推理服務(wù)器的新主機(jī)策略功能。您可以在配置 NVIDIA Triton 服務(wù)器時(shí)指定主機(jī)策略，以在服務(wù)器應(yīng)用程序中啟用線程和內(nèi)存固定。利用此功能， NVIDIA Triton 可以為系統(tǒng)中的每個(gè) GPU 指定輸入的最佳位置。最佳位置可以基于系統(tǒng)的非統(tǒng)一內(nèi)存體系結(jié)構(gòu)（ NUMA ）配置，在這種情況下，每個(gè) NUMA 節(jié)點(diǎn)上都有一個(gè)查詢(xún)樣本庫(kù)。

您還可以使用主機(jī)策略啟用“從設(shè)備啟動(dòng)”配置設(shè)置，服務(wù)器將在選擇執(zhí)行的 GPU 上拾取輸入。此設(shè)置還可以將網(wǎng)絡(luò)輸入直接輸入 GPU 內(nèi)存，完全繞過(guò) CPU 和系統(tǒng)內(nèi)存副本。

推理能力三人組： TensorRT ， NVIDIA Triton 和 NGC

NVIDIA 推理領(lǐng)導(dǎo)力來(lái)自于構(gòu)建最優(yōu)秀的人工智能加速器，用于培訓(xùn)和推理。但同樣重要的是支持所有 AI 框架和 800 多個(gè) HPC 應(yīng)用程序的 NVIDIA 端到端、全棧軟件生態(tài)系統(tǒng)。

所有這些軟件都可以在NGC、 NVIDIA 集線器上獲得，該集線器帶有 GPU ——用于深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和 HPC 的優(yōu)化軟件。 NGC 負(fù)責(zé)所有管道，因此數(shù)據(jù)科學(xué)家、開(kāi)發(fā)人員和研究人員可以專(zhuān)注于構(gòu)建解決方案、收集 i NSight 并提供業(yè)務(wù)價(jià)值。

NGC 可通過(guò)您首選的云提供商的市場(chǎng)免費(fèi)獲得。在那里，您可以找到 TensorRT 和 NVIDIA Triton 的最新版本，這兩個(gè)版本都有助于生成最新的 MLPerf 推斷 1.1 結(jié)果。

關(guān)于作者

Dave Salvator 是 NVIDIA 旗下 Tesla 集團(tuán)的高級(jí)產(chǎn)品營(yíng)銷(xiāo)經(jīng)理，專(zhuān)注于超規(guī)模、深度學(xué)習(xí)和推理。

Jesus Corbal San Adrian 是 NVIDIA 計(jì)算架構(gòu)組的杰出工程師，專(zhuān)注于深度學(xué)習(xí)推理 GPU 分析和優(yōu)化。

Madhumitha Sridhara 是 TensorRT 團(tuán)隊(duì)的高級(jí)軟件工程師，專(zhuān)注于使用 Triton 推理服務(wù)器的 NVIDIA MLPerf推理提交。她擁有卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)工程碩士學(xué)位和印度卡納塔克邦蘇拉特卡爾國(guó)家理工學(xué)院電子和通信工程學(xué)士學(xué)位。

審核編輯：郭婷