Graphcore為其最新的AI計算系統——IPU-M2000和縱向擴展的IPU-POD64發布了 第一套性能benchmark 。

在各種流行的模型中，Graphcore技術在訓練和推理方面均顯著優于NVIDIA的A100（基于DGX）。

亮點包括：

訓練

●   EfficientNet-B4：吞吐量高18倍

●   ResNeXt-101：吞吐量高3.7倍

●   BERT-Large：與DGX A100相比，在IPU-POD64上的訓練時間快5.3倍（比雙DGX系統縮短2.6倍）

推理

●   LSTM：以更低時延實現吞吐量提升超過600倍

●   EfficientNet-B0：吞吐量提升60倍/時延縮短超過16倍

●   ResNeXt-101：吞吐量提升40倍/時延縮短10倍

●   BERT-Large：以更低的時延實現吞吐量提升3.4倍

Benchmark中包括了BERT-Large（基于Transformer的自然語言處理模型）在IPU-POD64的全部64個處理器上運行的結果。

BERT-Large的訓練時間比最新的NVIDIA DGX-A100快5.3倍（比雙DGX設置快2.6倍以上），這一結果彰顯了Graphcore的IPU-POD橫向擴展解決方案在數據中心的優勢，以及Poplar軟件棧管理復雜工作負載的能力，這些工作負載能夠利用多個處理器并行工作。

Graphcore軟件高級副總裁Matt Fyles在對測試結果發表評論時說：“這一整套全面的benchmark表明Graphcore的IPU-M2000和IPU-POD64在許多流行模型上的性能均優于GPU。”

“諸如EfficientNet之類的新型模型的benchmark特別具有啟發性，因為它們證明了AI的發展方向越來越傾向于IPU的專業架構，而非圖形處理器的傳統設計。”

“客戶需要能夠處理稀疏性以高效運行大規模模型的計算系統，而這正是Graphcore IPU所擅長的。在這種客戶需求的趨勢下，差距只會不斷擴大。”

Graphcore為阿里云HALO定制代碼正式在GitHub開源

MLCommons

除了發布其AI計算系統的全面benchmark外，Graphcore還宣布，其已經加入新成立的MLPerf下屬機構MLCommons，成為MLCommons的會員。

Graphcore將從2021年開始參加MLCommons的比較benchmark測試。

現已出貨

Graphcore最新benchmark的發布與IPU-M2000和IPU-POD64系統向全球客戶的推出時間剛好一致。一些早期發貨的產品已經在數據中心安裝并運行。

PyTorch和Poplar 1.4

Graphcore用戶現在可以利用Poplar SDK 1.4，包括全面的PyTorch支持。PyTorch已成為從事尖端AI研究的開發人員的首選框架，在更廣泛的AI社區中也收獲了大批的追隨者，并且追隨者的數量還在快速增長。

PapersWithCode 的最新數據顯示，在具有關聯代碼的已發表論文中，47%的論文使用了PyTorch框架（2020年9月）。

額外補充的PyTorch支持，再加上Poplar對TensorFlow的現有支持，這意味著絕大多數AI應用程序現在都可以輕松部署在Graphcore系統上。

與Poplar軟件棧的其他元素一樣，Graphcore正在將其用于IPU接口庫的PyTorch開源，從而使社區能夠對PyTorch的開發做出貢獻，并且加速PyTorch的開發。

關于IPU-M2000和IPU-POD

IPU-Machine：M2000（IPU-M2000）是一臺即插即用的機器智能計算刀片，旨在輕松部署并為可大規模擴展的系統提供支持。

纖巧的1U刀片可提供1 PetaFlop的機器智能計算能力，并在機箱內部納入針對AI橫向擴展進行了優化的集成網絡技術。

每個IPU-Machine：M2000（IPU-M2000）均由Graphcore的4個新型7納米Colossus? MK2 GC200 IPU處理器提供動力，并得到Poplar^?軟件棧的完全支持。

IPU-POD64是Graphcore的橫向擴展解決方案，包括16臺IPU-M2000，這些機器使用Graphcore的超高帶寬IPU-Fabric?技術進行了預先配置和連接。

IPU-POD64專為需要大規模AI計算功能的客戶而設計，既可以跨多個IPU運行單個工作負載以進行并行計算，也可以通過Graphcore的Virtual-IPU軟件供多個用戶共享使用。

關于Graphcore

Graphcore的智能處理器（IPU）硬件和Poplar軟件幫助創新者創建下一代機器智能解決方案。IPU是第一個專門為機器智能設計的處理器，與通常在人工智能中使用的其他計算硬件相比，IPU具有明顯的性能優勢。

除了在當今最常見的工作負載中表現優于其他技術外，Graphcore IPU的架構方式還使其能夠在下一代AI應用程序（包括高度稀疏的模型）中脫穎而出。

Graphcore已從領先的金融和戰略投資者那里籌集了超過4.5億美元的資金，總部位于英國布里斯托，并在英國倫敦、挪威奧斯陸、中國北京和美國帕拉奧圖等設有辦公室。

更多信息，請參閱 MLCommons的成立公告 。

銷售工作得到了Graphcore全球 合作伙伴網絡 以及公司在歐洲、亞洲和美洲的銷售人員和現場工程團隊的支持。