AIPerf：大規(guī)模人工智能算力基準(zhǔn)測試程序

隨著我國近幾年人工智能新基建與大規(guī)模計算系統(tǒng)的逐步落地，為了使大規(guī)模人工智能計算系統(tǒng)健康持續(xù)發(fā)展，需要一個能夠有效地評價計算系統(tǒng)的人工智能算力的評價指標(biāo)，而現(xiàn)有的測試方法無法滿足這一需求。

目前，已有一些大規(guī)模計算系統(tǒng)的評測程序，例如Linpack是一個目前被廣泛使用的高性能計算機雙精度浮點運算性能基準(zhǔn)評測程序，國際超算Top500榜單依據(jù)Linpack值來進(jìn)行排名。然而典型的人工智能應(yīng)用并不需要雙精度浮點數(shù)運算，大部分人工智能訓(xùn)練任務(wù)以單精度浮點數(shù)或16位浮點數(shù)為主，推理以Int8為主。各大企業(yè)、高校和相關(guān)組織也相繼開發(fā)了各類人工智能算力基準(zhǔn)評測程序，如MLPerf、Mobile AI Bench、DeepBench、AIIA DNN Benchmark，以及在雙精度的Linpack基礎(chǔ)上改成混合精度的HPL-AI等基準(zhǔn)評測程序，但是這些程序并不適用于大規(guī)模和可變規(guī)模人工智能計算系統(tǒng)的評測。

為了填補大規(guī)模計算系統(tǒng)人工智能算力評測這一領(lǐng)域的空白，清華大學(xué)與鵬城實驗室聯(lián)合研制并開發(fā)了人工智能算力基準(zhǔn)測試程序——AIPerf Benchmark（以下簡稱AIPerf）。AIPerf基于微軟NNI（neural network intelligence）開源框架實現(xiàn)，以自動化機器學(xué)習(xí)（AutoML）為負(fù)載，使用網(wǎng)絡(luò)態(tài)射（network morphism）網(wǎng)絡(luò)結(jié)構(gòu)搜索和樹狀結(jié)構(gòu)Parzen估計（tree-structured Parzen estimator，TPE）方法超參搜索來尋找精度更高的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和（或）超參數(shù)。用戶可以通過配置文件指定AutoML的相關(guān)參數(shù)，如訓(xùn)練使用的批大?。╞atch size）、最大epoch數(shù)、學(xué)習(xí)率、最大搜索模型總個數(shù)、最長搜索總時間、最大同時搜索模型個數(shù)（并發(fā)數(shù)）等多個參數(shù)。

AIPerf的設(shè)計達(dá)到了以下4個關(guān)鍵的設(shè)計目標(biāo)。

（1）一個統(tǒng)一的分?jǐn)?shù)

AIPerf能夠報告一個分?jǐn)?shù)，該分?jǐn)?shù)可以作為被評測計算集群系統(tǒng)的評價指標(biāo)。AIPerf目前的評價指標(biāo)是Tops，即平均每秒處理的混合精度AI浮點操作數(shù)。使用一個而不是多個分?jǐn)?shù)能方便進(jìn)行不同機器的橫向比較，且方便公眾宣傳。

（2）可變的問題規(guī)模

人工智能計算集群往往有不同的系統(tǒng)規(guī)模，差異性體現(xiàn)在節(jié)點數(shù)量、加速器數(shù)量、加速器類型、內(nèi)存大小等指標(biāo)上。因此，為了適應(yīng)各種規(guī)模的高性能計算集群，AIPerf能夠使用AutoML調(diào)整問題規(guī)模來適應(yīng)集群規(guī)模的變化，從而充分利用人工智能計算集群的計算資源來體現(xiàn)其算力。

（3）具有實際的人工智能意義

具有人工智能意義的計算（如神經(jīng)網(wǎng)絡(luò)運算）是人工智能基準(zhǔn)測試程序相較于傳統(tǒng)高性能計算機基準(zhǔn)測試程序的重要區(qū)別，也是其能夠檢測集群人工智能算力的核心所在。目前，AIPerf通過在ImageNet數(shù)據(jù)集上訓(xùn)練神經(jīng)網(wǎng)絡(luò)來運行計算機視覺應(yīng)用程序；將來，計劃將自然語言處理等其他人工智能任務(wù)加入AIPerf的評測范圍。

（4）包含必要的多機通信

網(wǎng)絡(luò)通信是人工智能計算集群設(shè)計的主要指標(biāo)之一，也是其龐大計算能力的重要組成部分。作為面向高性能計算集群的人工智能基準(zhǔn)測試程序，AIPerf包括必要的多機通信（如任務(wù)的分發(fā)、結(jié)果的收集與多機訓(xùn)練），從而將網(wǎng)絡(luò)通信性能作為最終性能的影響因素之一。

在第二屆中國超級算力大會（ChinaSC2020）上，基于AIPerf大規(guī)模人工智能算力基準(zhǔn)評測程序的國際人工智能性能算力排行榜首次發(fā)布。鵬城實驗室研制的基于ARM架構(gòu)和華為加速處理器的鵬城云腦二主機以194 527 Tops的AIPerf算力榮登榜首，其性能是排名第二的聯(lián)泰集群NVIDIA系統(tǒng)性能的12倍以上。

AIPerf基準(zhǔn)評測程序還處于積極的開發(fā)和完善階段，目前AIPerf正在應(yīng)用負(fù)載、硬件適應(yīng)性以及國際推廣等方面大力推進(jìn)。AIPerf目前只支持面向計算機視覺的人工智能應(yīng)用程序。為了更好地評估大規(guī)模智能系統(tǒng)在各個典型應(yīng)用領(lǐng)域的性能，研究團(tuán)隊計劃之后支持更多種網(wǎng)絡(luò)搜索與訓(xùn)練算法以及評測數(shù)據(jù)集，同時支持更多類型的人工智能計算集群系統(tǒng)；此外，將積極推動AIPerf在國際上的影響力，將其打造成有國際影響力和公信力的大規(guī)模人工智能系統(tǒng)基準(zhǔn)評測程序。 □