看免费黄色特级国产免一级片,国内无码视频免费视频A

電子發(fā)燒友網(wǎng)報道（文/周凱揚）人工智能在進化的過程中，最不可或缺的便是模型和算力。訓練出來的通用大模型省去了重復的開發(fā)工作，目前不少大模型都為學術(shù)研究和AI開發(fā)提供了方便，比如華為的盤古、搜狗的BERTSG、北京智源人工智能研究院的悟道2.0等等。

那么訓練出這樣一個大模型需要怎樣的硬件前提？如何以較低的成本完成自己模型訓練工作？這些都是不少AI初創(chuàng)企業(yè)需要考慮的問題，那么如今市面上有哪些訓練芯片是經(jīng)得起考驗的呢？我們先從國外的幾款產(chǎn)品開始看起。

英偉達A100

英偉達的A100可以說是目前AI訓練界的明星產(chǎn)品，A100剛面世之際可以說是世界上最快的深度學習 GPU。盡管近來有無數(shù)的GPU或其他AI加速器試圖在性能上撼動它的地位，但綜合實力來看，A100依然穩(wěn)坐頭把交椅。

A100 GPU / 英偉達A100可是英偉達特推出的首個7nm GPU，在826mm2的芯片大小上鋪滿了542億個晶體管。要知道，其消費級GPU雖然同樣采用安培架構(gòu)，但仍在使用三星的8nm制程。至于算力什么的，GPU在單個或多個處理器配置上都有著不俗的優(yōu)勢，甚至還能憑借英偉達自己的互聯(lián)技術(shù)實現(xiàn)更高的帶寬。具體的算力數(shù)據(jù)我們也已提過多次，我們這次講的是AI訓練，自然是要比訓練上的表現(xiàn)，這里先留個懸念。性能雖高，但使用A100的成本可并不便宜。今年10月，微軟和英偉達推出了迄今為止訓練最強大的生成語言模型Megatron-Turing Natural Language Generation（MT-NLG），擁有5300億個參數(shù)。如此強大的模型究竟是如何訓練出來的呢？答案是560個英偉達DGX A100服務器，每個服務器都內(nèi)置了8 x A100 80GB GPU，訓練出這個模型的造價最低也要在百萬美元以上。如此看來，難不成這些模型只能靠購置昂貴的GPU，或是靠花錢如流水一般的GPU服務器來訓練了？并非如此。

英特爾Gaudi和Ponte Vecchio

19年12月，英特爾收購了以色列的Habana Labs，將其旗下的AI加速器產(chǎn)品線納入囊中。Habana Labs目前推出了用于推理的Goya處理器和用于訓練的Gaudi處理器。盡管Habana Labs已經(jīng)隸屬英特爾，但現(xiàn)有的產(chǎn)品仍然基于臺積電的16nm制程，傳言稱其正在開發(fā)的Gaudi2將用上臺積電的7nm制程。目前Gaudi已經(jīng)用于亞馬遜云服務AWS的EC2 DL1訓練實例中，該實例選用了AWS定制的英特爾第二代Xeon可擴展處理器，最多可配置8個Gaudi處理器，每個處理器配有32GB的HBM內(nèi)存，400Gbps的網(wǎng)絡架構(gòu)加上100Gbps的互聯(lián)帶寬，并支持4TB的NVMe存儲。

Gaudi與A100在ResNet-50和BERT訓練成本上的對比 / Habana Labs Habana Labs和AWS共同宣稱，Gaudi的方案可以提供云端深度學習模型訓練的最佳性價比，與最新的GPU實例相比性價比高出40%。Habana Labs給出了直接的價格對比，在對比AWS EC2 P4d實例（8個英偉達A100 GPU）時，8個Gaudi處理器的每小時價格為13.11美元，比前者低了60%。針對特定的模型，Habana Labs也對A100和V100方案進行了對比，比如利用Tensorflow實現(xiàn)ResNet50圖像處理（BF16/FP16）時，Gaudi處理每張圖片的成本要比A100低46%，更是比V100低了61%。 Habana Labs為Gaudi定義的用例主要在物體識別/分割、圖像分類和自然語言處理器方面的深度學習模型訓練。比如生產(chǎn)中的故障檢測、醫(yī)療中的2D/3D掃描和醫(yī)學成像、自動駕駛中的物體分割以及文本情感分析等等。我們都知道在超算領(lǐng)域中，英特爾在主要處理器上的份額與出場率都比較高，加速器上則依舊是英偉達和AMD的GPU占優(yōu)，不過Habana Labs的Gaudi其實已經(jīng)開始發(fā)力，比如圣地亞哥超級計算中心（SDSC）打造的AI超算Voyager。這里的Voyager可不是TOP500新晉第十名的Voyager-EUS2，而是SDSC打造的一款試驗性超算，專注于高性能高效率的AI運算，該超算集成了336個Gaudi訓練處理器和16個Goya推理處理器。

A100與Ponte Vecchio在ResNet-50 v1.5上的訓練表現(xiàn)對比 / 英特爾不過英特爾似乎也不打算放棄GPU這條路，甚至打算走的更遠一點。今年的架構(gòu)日上，英特爾為其Ponte Vecchio Xe HPC GPU透露了更多的細節(jié)。英特爾拿出了ResNet-50單個GPU處理圖像的訓練結(jié)果對比，Ponte Vecchio獲得了超過3400張圖片每秒的成績，而英偉達單張A100 GPU的成績?yōu)?963張圖片每秒。根據(jù)Habana Labs于19年六月公布的數(shù)據(jù)，單個Gaudi處理器的成績?yōu)?650張圖片每秒。單從結(jié)果來看，英特爾和英偉達兩者打造的旗艦GPU在模型訓練上還是很有優(yōu)勢的，而且還能承擔推理工作負載，Gaudi的性能確實更適合高性價比的專用訓練場景。依小編的觀點來看，Ponte Vecchio更像是英特爾為HPC+AI準備的一張GPU，明年開始出貨后我們說不定會在超算上看到更多應用。而Gaudi更像是為云服務和數(shù)據(jù)中心準備的訓練處理器，讓開發(fā)者在可負擔的價格下享受到優(yōu)秀的性能。更不用說英特爾也開始為FPGA（Stratix 10 NX）在相同的方向上鋪路，英特爾可以說是為AI開發(fā)者提供了多個選擇。

亞馬遜Trainium

最后我們以亞馬遜的訓練芯片收尾，亞馬遜提供的服務器實例可以說是最多樣化的，也包含了以上提到的A100和Gaudi。亞馬遜作為云服務巨頭，早已開始部署自己的服務器芯片生態(tài)，不僅在今年推出了第三代Graviton服務器處理器，也正式發(fā)布了去年公開的訓練芯片Trainium，并推出了基于該芯片的Trn1實例。

Trn1實例的參數(shù) / 亞馬遜 Trn1的計算引擎頻率達到了3GHz，峰值內(nèi)存帶寬為13.1TB/s，F(xiàn)P32的算力為840TFLOPS，最出色的數(shù)據(jù)還是800Gbps的網(wǎng)絡帶寬，亞馬遜甚至還提供了一個1.6TB。再次重申，這些都只是紙面參數(shù)而已，實際表現(xiàn)才是最重要的。

亞馬遜訓練實例對比 / 亞馬遜據(jù)亞馬遜發(fā)布的數(shù)據(jù)，同樣是在兩周內(nèi)完成GPT-3模型的訓練，需要600個8 x V100 GPU的實例，或是128個8xA100 GPU的實例，但若用上16 x Trainium的實例，則只要96個。亞馬遜稱Trn1為云端成本效率最高的實例，這一點還真沒說錯。

小結(jié)

GPU一時半會不會跌落AI訓練的神壇，但其他訓練芯片的推陳出新證明了他們面對A100和Ponte Vecchio這種大規(guī)模芯片同樣不懼，甚至還有自己獨到的優(yōu)勢。

聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。舉報投訴