Вчора компанія Nvidia оголосила про те, що її майбутній графічний процесор H100 Hopper & Hopper & # 8221; Tensor Core встановив нові
Бенчмарки MPerf вимірюють робочі навантаження"висновку", які демонструють, наскільки добре чіп може застосовувати попередньо навчену модель машинного навчання до нових даних. Група галузевих компаній, відома як MLCommons, розробила еталони MLPerf у 2018 році, щоб надати стандартизовану метрику для представлення продуктивності машинного навчання потенційним клієнтам.
Зокрема, H100 показав хороші результати вбенчмарку BERT-Large, який вимірює продуктивність обробки природної мови за допомогою моделі BERT, розробленої Google. Nvidia приписує цей конкретний результат Transformer Engine архітектури Hopper, який прискорює навчання трансформаційних моделей. Це означає, що H100 може прискорити майбутні моделі природної мови, подібні до GPT-3 від OpenAI, які можуть складати письмові твори в різних стилях і вести розмови в чатах.
Чіп, який все ще знаходиться в розробці, за прогнозами, замінить A100 як флагманський GPU компанії для центрів обробки даних.