MLPerf提交中第三方首次使用了Graphcore的系统

正式发布了其参与MLPerf测试的最新结果在本次提交中，Graphcore使用新发布的Bow系统，将图像分类模型ResNet—50和自然语言处理模型BERT的性能分别比上次提交提高了31%和37%

在此次MLPerf提交中，第三方首次使用了Graphcore的系统百度路飞使用Graphcore系统提交BERT，表现出与Graphcore的BERT提交几乎相同的性能，证明了Graphcore的IPU提供的性能可以跨框架有效复制，以及IPU生态进一步繁荣的潜力

根据介绍，Graphcore针对ResNet—50和BERT型号在封闭分区中提交了以3D WoW处理器Bow IPU为核心的Bow系统，包括Bow Pod16，Bow Pod64，Bow Pod128和Bow Pod256与上一代产品相比，Bow系统在保持相同价格的情况下提供了更好的性能，进一步增强了Graphcore系统的性价比优势结果表明，与上次提交相比，ResNet—50的训练时间增加了31%，BERT的训练时间增加了37%

在一款GPU占优的机型ResNet—50上，Bow Pod16仅需19.6分钟，优于英伟达旗舰产品DGX—A100 640GB所需的28.7分钟，再次彰显了Bow系统的性价比优势。

此外，Graphcore还提交了开放分区中RNN—T的结果RN—T是一种高度精确的语音识别的复杂方法，广泛应用于移动设备在Bow Pod64上，RNN—T的训练时间可以从几周缩短到几天

Graphcore中国区工程副总裁，AI算法科学家陈进说:我们为本次MLPerf取得的优异成绩感到非常自豪，这与Graphcore坚持不懈的创新是分不开的我们也很高兴与百度飞桨联合投稿，通过与百度飞桨的合作，加速IPU生态圈的扩张，赋能行业，推动各领域行业的AI转型升级未来，我们将继续创新，应对AI计算日益增长的挑战，助力AI计算的演进

在这次MLPerf Training 2.0的提交中，百度胡飞使用Bow Pod16和Bow Pod64提交了封闭分区中的BERT，结果与Graphcore使用PopART的结果几乎一致这充分证明了Graphcore IPU性能的跨帧再现性这种能力的实现得益于Graphcore灵活的硬件系统，持续优化的软件，强大的本地支持以及合作伙伴的支持作为本次投稿，百度将把Graphcore的白杨reg，结合飞行螺旋桨软件框架，取得了优异的性能效果

百度飞桨产品组负责人赵乔表示:百度飞桨与Graphcore的合作在本次MLPerf中取得了优异的成绩Graphcore的IPU系统在配合上表现出色，在很多应用场景下显示出巨大的应用潜力期待进一步深化与Graphcore在硬件生态共创计划上的合作，以创新技术加速AI产业落地，推动AI产业变革

百度飞桨已经实现了对IPU的全面支持Graphcore是百度Feipaddle硬件生态圈的创始成员，并于2022年5月正式加入百度Feipaddle发起的硬件生态共创计划未来，双方将进一步合作，为开发者提供更多创新工具，促进AI生态繁荣，从而使AI在行业中的应用和商业化工业AI的应用必将反哺AI的发展和AI生态的进一步繁荣