Gisteren maakte Nvidia bekend dat de aankomende H100 GPU “Hopper” Tensor Core heeft nieuwe geïnstalleerd
MPerf-benchmarks meten de werklast"outputs" die aantonen hoe goed de chip een vooraf getraind machine learning-model op nieuwe gegevens kan toepassen. Een groep industriële bedrijven, bekend als MLCommons, heeft de MLPerf-benchmarks in 2018 ontwikkeld om een gestandaardiseerde maatstaf te bieden voor het presenteren van machine learning-prestaties aan potentiële klanten.
Met name de H100 presteerde goed inBERT-Large benchmark, die de prestaties van natuurlijke taalverwerking meet met behulp van het door Google ontwikkelde BERT-model. Nvidia schrijft dit specifieke resultaat toe aan de Transformer Engine van de Hopper-architectuur, die specifiek de training van transformatiemodellen versnelt. Dit betekent dat de H100 toekomstige natuurlijke taalmodellen kan versnellen, zoals OpenAI's GPT-3, die schrijven in verschillende stijlen en chatgesprekken kan samenstellen.
De chip, die nog in ontwikkeling is, zal naar verwachting de A100 vervangen als de vlaggenschip-GPU van het datacenter van het bedrijf.