Graphcore(拟未)正式公布其参与MLPerf测试的最新结果。
结果显示，与首次提交的MLPerf训练结果相比，对于ResNet-50模型，Graphcore通过软件优化，在IPU-POD16上实现了24%的提升，在IPU-POD64上实现了41%的提升;
对于自然语言处理(NLP)模型BERT来说，在IPU-POD16上实现了5%的提升，在IPU-POD64上实现了12%的提升。
此次MLPerf测试结果证明了Graphcore的IPU系统越来越强大、高效，软件日益成熟且更快、更易使用。
MLPerf还对比了市面上的Graphcore与NVIDIA的产品，通过在GPU占据优势的模型ResNet-50上进行测试。
结果表明Graphcore的IPU-POD16在计算机视觉模型ResNet-50方面的表现优于NVIDIA的DGX A100。
在DGX A100上训练ResNet-50需要29.1分钟，而IPU-POD16仅耗时28.3分钟，这是自Graphcore首次提交以来仅通过软件实现的提升。
其中，IPU-POD16对ResNet-50的软件驱动提高了24%，在IPU-POD64上对ResNet-50的软件驱动提升甚至更高，达到41%，对于Graphcore具有里程碑式的意义。
