I går kunngjorde Nvidia at dens kommende H100 GPU “Hopper” Tensor Core installerte nye
MPerf benchmarks måler arbeidsbelastninger"utganger" som demonstrerer hvor godt brikken kan bruke en forhåndstrent maskinlæringsmodell på nye data. En gruppe industribedrifter kjent som MLCommons utviklet MLPerf-benchmarks i 2018 for å gi en standardisert beregning for å presentere maskinlæringsytelse for potensielle kunder.
Spesielt presterte H100 godt iBERT-Large benchmark, som måler ytelsen til naturlig språkbehandling ved å bruke BERT-modellen utviklet av Google. Nvidia tilskriver dette spesielle resultatet til Transformer Engine of the Hopper-arkitekturen, som spesifikt setter fart på opplæringen av transformasjonsmodeller. Dette betyr at H100 kan akselerere fremtidige naturlige språkmodeller som OpenAIs GPT-3, som kan komponere skriving i en rekke stiler og chattesamtaler.
Brikken, som fortsatt er under utvikling, er spådd å erstatte A100 som selskapets flaggskip datasenter GPU.