Gaudi 2, la nouvelle arme IA d’Intel contre NVIDIA

La récente sortie du Résultats de référence de la formation MLPerf v3.1 par MLCommons a apporté Gaudi 2 d’Intel les accélérateurs et les processeurs Intel Xeon Scalable de 4e génération sont au centre de l’attention. Ces résultats mettent en évidence une amélioration significative des performances de formation de l’IA, le Gaudi 2 d’Intel affichant une multiplication par 2 des performances lors de l’utilisation du type de données FP8 sur le benchmark de formation GPT-3 v3.1. Cette amélioration notable des performances a attiré l’attention sur le potentiel du matériel Intel dans l’industrie de l’IA.

Les accélérateurs Gaudi 2 d’Intel et les processeurs Intel Xeon Scalable de 4e génération, équipés d’Intel Advanced Matrix Extensions (Intel AMX), sont spécialement conçus pour répondre aux demandes croissantes de l’informatique IA. Le Gaudi 2 s’est imposé comme un concurrent sérieux du H100 de NVIDIA, offrant des avantages prix-performances significatifs qui en font un choix attrayant pour les acteurs de l’industrie de l’IA.

Intel Gaudi 2

Les processeurs Intel Xeon Scalable de 4e génération, en tant que processeurs polyvalents, ont montré de solides performances dans le Références MLPerf. Intel reste le seul fournisseur de processeurs à soumettre les résultats MLPerf, soulignant son engagement en faveur de solutions d’IA compétitives et son ambition de rester à la pointe du développement de matériel d’IA.

Autres articles qui pourraient vous intéresser sur le sujet des technologies Intel et IA :

Le rôle du logiciel FP8 dans le saut de performance

L’utilisation du type de données FP8 a été cruciale dans l’amélioration des performances du Gaudi 2 d’Intel. Ce type de données, ainsi que les mises à jour et optimisations logicielles, ont permis au Gaudi 2 de réduire le temps d’entraînement de plus de moitié par rapport au Benchmark MLPerf de juin. Cette réduction significative du temps de formation met en valeur l’efficacité et la puissance du matériel Intel.

Comprendre les modèles d’IA et l’analyse comparative

Les résultats de référence de la formation MLPerf v3.1 ont été obtenus à partir d’une gamme de modèles d’IA, notamment le modèle multimodal à diffusion stable, RESNet50, RetinaNet, BERT et DLRM dcnv2. Ces modèles, dans diverses configurations matérielles, ont été minutieusement testés pour évaluer leurs performances. Les résultats de ces tests offrent des informations précieuses sur les performances des différentes configurations matérielles et leur impact sur les performances du modèle d’IA.

L’engagement d’Intel envers l’IA

Avec les améliorations logicielles en cours et le potentiel de types de données tels que FP8, Intel s’attend à de nouveaux progrès en matière de performances de l’IA dans les futurs benchmarks MLPerf. L’engagement inébranlable de l’entreprise dans le développement de matériel et de logiciels d’IA est évident dans ses soumissions de référence cohérentes et dans les performances impressionnantes de ses produits. L’engagement d’Intel à faire progresser la technologie de l’IA est clair et la société est prête à continuer à réaliser des progrès significatifs dans ce domaine.

Les résultats du benchmark MLPerf Training v3.1 ont souligné les performances impressionnantes des accélérateurs Gaudi 2 d’Intel et des processeurs Intel Xeon Scalable de 4e génération. L’utilisation du type de données FP8 et les optimisations logicielles ont joué un rôle important dans cette amélioration des performances, positionnant Intel comme un acteur important sur le marché du matériel d’IA. Ces résultats soulignent L’engagement d’Intel à fournir des solutions d’IA hautes performances et sa capacité à rivaliser efficacement dans le paysage matériel d’IA en évolution rapide.

Classé sous : Actualités technologiques, Top News

Dernières offres sur les gadgets geek

Divulgation: Certains de nos articles incluent des liens d’affiliation. Si vous achetez quelque chose via l’un de ces liens, Geeky Gadgets peut gagner une commission d’affiliation. Découvrez notre politique de divulgation.