1、使用新发布的Bow系统，Graphcore在图像分类模型ResNet-50和自然语言处理模型BERT上与上次提交相比分别实现了高达31%和37%的性能提升。另外，

2、Graphcore还增加了语音转录模型RNN-T的提交

3、在此次MLPerf提交中，这是第三方首次使用Graphcore的系统。百度飞宇使用Graphcore系统提交BERT，表现出与Graphcore几乎相同的性能。

(资料图片)

4、事实证明，Graphcore的IPU提供的性能可以跨帧有效复制，IPU生态系统有进一步繁荣的潜力。

5、Graphcore已经提交了基于BowIPU的Bow系统，一个3DWoW处理器，包括BowPodBowPodBowPod128和BowPod256到ResNet-50和封闭分区中的BERT模型。

6、与上一代产品相比，Bow系统在保持相同价格的同时提供了更好的性能，进一步增强了Graphcore系统的性价比优势。结果表明，与上次提交相比，ResNet-50的训练时间增加了31%。

7、伯特的训练时间增加了37%之多。

8、在GPU占优的型号ResNet-50上，BowPod16仅需19.6分钟，优于英伟达旗舰产品DGX-A100640GB所需的28.7分钟，再次显示了Bow系统的性价比优势。

9、此外，Graphcore还提交了开放分区中RNN-T的结果。RNN-T是一种精确的高精度语音识别方法，广泛应用于移动设备。在BowPod64上，

10、RNN-T的训练时间可以从几周缩短到几天。

11、Graphcore中国工程副总裁、AI算法科学家陈进表示：“我们为MLPerf取得的优异成绩感到非常自豪，这与Graphcore坚持不懈的创新密不可分。我们也很高兴能够和百度飞桨联合投稿。

12、通过与百度Feipaddle的合作，加速拓展IPU生态圈，赋能行业，推动AI在各领域的转型升级。未来，我们也将继续创新，迎接AI计算日益增长的挑战，助力AI计算的演进。"

13、在MLPerfTraining2.0的提交中，百度飞鱼在封闭分区中使用BowPod16和BowPod64提交BERT，结果与Graphcore使用PopART几乎相同。

14、这充分证明了GraphcoreIPU性能的跨帧再现性。这种能力的实现得益于Graphcore灵活的硬件系统、持续优化的软件、强大的本地支持以及合作伙伴的支持。作为这份呈文，

15、百度将Graphcore的Poplar与飞桨软件框架相结合，实现了出色的性能结果。

16、百度飞桨产品团队负责人赵乔表示：“百度飞桨与Graphcore的合作，在本次MLPerf上获得了十分优秀的成果。Graphcore的IPU系统在合作中展现了出色的性能，

17、在许多应用场景都展现出了巨大的应用潜力。我们期待进一步加深与Graphcore在硬件生态共创计划中的合作，以创新的技术加速AI产业落地，推动AI产业变革。”

18、百度飞桨已经实现了对于IPU的全面支持。Graphcore是百度飞桨硬件生态圈的创始成员，并在2022年5月正式加入了百度飞桨发起的硬件生态共创计划。未来，双方还将进一步展开合作，

19、为开发者提供更多创新工具，推动AI生态繁荣，从而赋能产业中AI的应用和AI的商业化。产业中AI的应用落地，也必将反哺AI的发展和AI生态的进一步繁荣。

本文到此结束，希望对大家有所帮助。