Samuag
New member
ASUS, geçtiğimiz Aralık ayında katıldığı MLCommons Association bünyesinde birinci sonuçlarını yayınladı. Şirket, epeyce sayıda testte yeni performans rekorlarına imza attı.
Bilhassa en son MLPerf Inference 2.0 testlerinde ASUS, kapalı bilgi merkezi kategorisindeki altı farklı yapay zeka çıkarım vazifesinde tıpkı GPU yapılandırmasına sahip öbür tüm sunucuları geride bırakarak 26 adet rekor kırdı. Bu rekorların 12’si, sekiz adet 80 GB NVIDIA® A100 Tensor Core GPU içeren ASUS ESC8000A-E11 sunucuyla; 14’ü ise dört adet 24 GB NVIDIA A30 Tensor Core GPU içeren ASUS ESC4000A-E11 sunucuyla kırıldı.
Bu çığır açan sonuçlar ASUS sunucularının yapay zeka alanındaki performans liderliğini gözler önüne serdi. ASUS sunucuları, yapay zekadan yararlanmak isteyen kurumlara büyük katkı sağlıyor ve data merkezlerine en uygun performansı sunuyor.
MLPerf Inference 2.0 testi, en sık kullanılan altı yapay zeka çıkarımı iş yükünü kapsıyor. Bunlar içinde manzara sınıflandırma (ResNet50), obje tespiti (SSD-ResNet34), tıbbi manzara bölümlendirme (üç boyutlu-Unet), konuşma tanımlama (RNN-T), doğal lisan sürece (BERT) ve tavsiye (DLRM) iş yükleri bulunuyor.
ESC8000A-E11 aşağıdakiler de dahil olmak üzere birfazlaca alanda performans liderliğini elde etti:
Bilhassa en son MLPerf Inference 2.0 testlerinde ASUS, kapalı bilgi merkezi kategorisindeki altı farklı yapay zeka çıkarım vazifesinde tıpkı GPU yapılandırmasına sahip öbür tüm sunucuları geride bırakarak 26 adet rekor kırdı. Bu rekorların 12’si, sekiz adet 80 GB NVIDIA® A100 Tensor Core GPU içeren ASUS ESC8000A-E11 sunucuyla; 14’ü ise dört adet 24 GB NVIDIA A30 Tensor Core GPU içeren ASUS ESC4000A-E11 sunucuyla kırıldı.
Bu çığır açan sonuçlar ASUS sunucularının yapay zeka alanındaki performans liderliğini gözler önüne serdi. ASUS sunucuları, yapay zekadan yararlanmak isteyen kurumlara büyük katkı sağlıyor ve data merkezlerine en uygun performansı sunuyor.
MLPerf Inference 2.0 testi, en sık kullanılan altı yapay zeka çıkarımı iş yükünü kapsıyor. Bunlar içinde manzara sınıflandırma (ResNet50), obje tespiti (SSD-ResNet34), tıbbi manzara bölümlendirme (üç boyutlu-Unet), konuşma tanımlama (RNN-T), doğal lisan sürece (BERT) ve tavsiye (DLRM) iş yükleri bulunuyor.
ESC8000A-E11 aşağıdakiler de dahil olmak üzere birfazlaca alanda performans liderliğini elde etti:
- ResNet50’de bir saniye arasında 298.105 görüntüyü sınıflandırdı
- SSD-ResNet34’te bir saniye arasında 7.462,06 imajda obje tanımladı
- üç boyutlu-UNet’te bir saniye arasında 24,3 tıbbi manzarayı işledi
- BERT’te bir saniye arasında 26.005,7 soruyu ve yanıtı tamamladı
- DLRM’de bir saniye arasında 2.363.760 tahmin yaptı
Kısım | nazaranv | Model | Sonuçlar | Hassaslık | Senaryo | Üniteler |
Kapalı Bilgi Merkezi | Manzara sınıflandırma | ResNet50 | 210011 | 99,00 | Sunucu | sorgu/s |
298105 | Çevrimdışı | örnek/s |