Baidu veröffentlicht Benchmark-Tool für maschinelles Lernen
DeepBench soll Hardwareanbietern und Softwareentwicklern helfen, Engpässe im Zusammenspiel beider Komponenten erkennen. Gleichzeitig können Nutzer die optimale Konfiguration zum Training künstlicher neuronaler Netze finden.
- Rainald Menge-Sonnentag
Der Suchmaschinenbetreiber Baidu hat bereits mehrere Tools und Bibliotheken für den Bereich maschinelles Lernen als Open-Source-Projekte veröffentlicht. Mit DeepBench gibt das chinesische Unternehmen nun ein Werkzeug frei, um den Einsatz von Deep Learning mit künstlichen neuronalen Netzen zu optimieren.
Dabei konzentriert es sich auf die verwendeten Algorithmen für Letzteres im Zusammenspiel mit der genutzten Hardware. Das Training eines kompletten Modells mit Deep-Learning-Frameworks wie TensorFlow oder Baidus vor kurzer Zeit veröffentlichtem PaddlePaddle wertet DeepBench nicht aus. Dazu seien die Performance-Charakteristika der Modelle für spezifische Anwendungen zu unterschiedlich.
(Bild: Baidu)
Mathematische Operationen und Hardwareplattformen
Das Tool verwendet eine Reihe grundlegender Operationen wie die Multiplikationen voll besetzter Matrizen (Dense Matrix Multiplication) oder deren Faltung. Das erste Release beschränkt sich auf 32-Bit Fließkommaarithmetik. Die Tests laufen gegen die von den jeweiligen Herstellern herausgegebenen Standardbibliotheken, auch wenn optimierte Varianten existieren. Als Grund nennen die Macher des Werkzeugs, dass die meisten Nutzer die Standardvarianten einsetzen.
Baidu hat Ergebnisse für folgende vier Hardwareplattformen in einem GitHub-Unterverzeichnis veröffentlicht: Nvidias TitanX, M40 und TitanX Pascal sowie Intels Knights Landing. Wer das Tool auf anderer Hardware einsetzt, kann die Ergebnisse als Pull Request einreichen.
Weitere Details sowie einige Ergebnisse stehen in der Beschreibung auf GitHub. Das Repository enthält auch den Quellcode von DeepBench sowie eine Anleitung zum Kompilieren für Nvidia- und Intel-Plattformen. (rme)
