機器學習基準大戰：谷歌、百度、斯坦福等聯手打造新基準MLPerf

上週，RiseML 博客對谷歌 TPUv2 與英偉達 V100 進行了比較。現在，英特爾公司發佈了另外一篇博文，其中提到在利用 RNN 進行機器翻譯數據處理時，「英特爾 Xeon Scalable 處理器的 AWS Sockeye（https://github.com/awslabs/sockeye ）神經機器翻譯模型性能可達英偉達 V100 的 4 倍。」

很長一段時間以來，業界對 AI 基準測試需求的現實意義展開了激烈的探討與爭論。支持者們認爲，基準測試工具的缺失嚴重限制了 AI 技術的實際應用。

根據 AI 技術先驅吳恩達在 MLPerf 聲明中的說法，「AI 正在給各個行業帶來改變，但爲了充分這項技術的真正潛力，咱們仍然須要更快的硬件與軟件。」咱們固然但願得到更強大的資源平臺，而基準測試方案的標準化進程將幫助 AI 技術開發人員創造出此類產品，從而幫助採用者更明智地選擇適合需求的 AI 選項。

不止吳恩達，連谷歌機器學習大佬 Jeff Dean 也在推特上強烈推薦這款工具：

大意：谷歌很高興和斯坦福、伯克利、哈佛、百度、英特爾、AMD 等等企業一塊兒，成爲致力於將 MLPerf 做爲衡量機器學習性能的通用標準的組織之一。