英伟达A100深度学习性能实测：训练速度可达V100的3.5倍

英伟达最新发布的基于新架构的A100加速计算卡，其官网宣传：
自动混合精度和FP16，可以为A100带来2倍的性能提升；
而且，在不更改代码的情况下，具有TF32的A100与英伟达Volta相比，性能能够高出20倍。
那么，A100与V100相比，究竟如何？最近Lambda网站真的把它俩的训练速度对比了一番。
硬件参数对比



△ 英伟达A100 GPU
相比V100，A100的单精度浮点计算能力，从15.7TFLOPS提升至19.5TFLOPS；而双精度浮点运算从7.8TFLOPS提升至9.7TFLOPS。
在英伟达的公开信息中，列出了A100与V100的参数对比：

在BERT深度学习训练中，二者的速度对比：

在其他训练模型下，A100是否能有同样出色的表现？
测试结果如何？

二者均选择适用于NVLink的产品进行测试，在32位精度下，采用PyTorch训练。
对于A100，32位是指FP32+TF32；对于V100，指的是FP32。
测试分为两部分：卷积神经网络训练速度、语言模型训练速度。
卷积神经网络训练速度

测试者将一块V100的32位的训练速度归一化，对比了不同数量GPU的训练速度。
将结果在SSD、ResNet-50和Mask RCNN上取平均值。（原始数据可通过文末链接查看）
得到结果：

例如：

• 1块A100 VS 1块V100，进行32位训练：前者速度是后者的2.17倍；
• 4块V100 VS 1块V100，进行32位训练：前者速度是后者的3.88倍；
• 8块A100的混合精度训练 VS 1块V100的32位训练：前者速度是后者的20.35倍。
  

语言模型训练速度

与上面的对比方法相同。
将结果在Transformer-XL base、Transformer-XL large、Tacotron 2和ERT-base SQuAD上取平均值。（原始数据可通过文末链接查看）
得到结果：

例如：

• 1块A100 VS 1块V100，进行32位训练：前者速度是后者的3.39倍；
• 4块V100的混合精度训练 VS 1块V100的32位训练：前者速度是后者的7.97倍；
• 8块A100的混合精度训练 VS 1块V100的32位训练：前者速度是后者的42.60倍。
  

结论

• 在卷积神经网络训练中：
  

1块A100的训练速度是1块V100的2.2倍；
使用混合精度时，前者则是后者的1.6倍。

• 在语言模型训练中：
  

1块A100的训练速度是1一块V100的3.4倍；
使用混合精度时，前者则是后者的2.6倍。
其中，分别用8块A100与8块V100，进行32位训练：前者速度能够达到后者的3.5倍；
看来，针对不同模式下的深度学习训练，英伟达A100都有着相当不错的效率。
“前所未有的规模”以及“惊人的性能”，所言不虚。


『本文转载自网络,版权归原作者所有,如有侵权请联系删除』