Jučer je Nvidia objavila da će njen nadolazeći H100 GPU “Hopper” Tensor Core je instalirao nove
MPerf mjerila mjere radna opterećenja"izlaza" koji pokazuju koliko dobro čip može primijeniti unaprijed obučeni model strojnog učenja na nove podatke. Grupa industrijskih tvrtki poznata kao MLCommons razvila je MLPerf mjerila 2018. kako bi pružila standardiziranu metriku za predstavljanje performansi strojnog učenja potencijalnim klijentima.
Konkretno, H100 se dobro pokazao uBERT-Large benchmark, koji mjeri izvedbu obrade prirodnog jezika pomoću modela BERT koji je razvio Google. Nvidia ovaj rezultat pripisuje Transformer Engineu Hopper arhitekture, koji posebno ubrzava obuku transformacijskih modela. To znači da H100 može ubrzati buduće modele prirodnog jezika poput OpenAI-jevog GPT-3, koji može sastavljati pisanje u različitim stilovima i chat razgovore.
Predviđa se da će čip, koji je još uvijek u razvoju, zamijeniti A100 kao vodeći GPU tvrtke za podatkovni centar.