Graphcore(擬未)正式公布其參與MLPerf測試的最新結果。
結果顯示，與首次提交的MLPerf訓練結果相比，對于ResNet-50模型，Graphcore通過軟件優化，在IPU-POD16上實現了24%的提升，在IPU-POD64上實現了41%的提升;
對于自然語言處理(NLP)模型BERT來說，在IPU-POD16上實現了5%的提升，在IPU-POD64上實現了12%的提升。
此次MLPerf測試結果證明了Graphcore的IPU系統越來越強大、高效，軟件日益成熟且更快、更易使用。
MLPerf還對比了市面上的Graphcore與NVIDIA的產品，通過在GPU占據優勢的模型ResNet-50上進行測試。
結果表明Graphcore的IPU-POD16在計算機視覺模型ResNet-50方面的表現優于NVIDIA的DGX A100。
在DGX A100上訓練ResNet-50需要29.1分鐘，而IPU-POD16僅耗時28.3分鐘，這是自Graphcore首次提交以來僅通過軟件實現的提升。
其中，IPU-POD16對ResNet-50的軟件驅動提高了24%，在IPU-POD64上對ResNet-50的軟件驅動提升甚至更高，達到41%，對于Graphcore具有里程碑式的意義。
