在訓練性能方面，ResNet50_on_ImageNet上的測試結(jié)果顯示，當采用128塊V100時，華為云ModelArts上模型訓練時間僅需4分08秒，較其2018年12月創(chuàng)下的9分22秒紀錄快了一倍，比此前fast.ai在AWS平臺上的訓練速度快4倍；在推理性能方面，華為云ModelArts識別圖片的速度是排名第二廠商的1.7倍，亞馬遜的4倍，谷歌的9.1倍。
ModelArts：領先的深度學習平臺技術
作為人工智能最重要的基礎技術之一，近年來深度學習也逐步延伸到更多的應用場景，如自動駕駛、互聯(lián)網(wǎng)、安防、醫(yī)療等領域。隨著深度學習模型越來越大，所需數(shù)據(jù)量越來越多，所需的AI算力資源和訓練時間越來越長，深度學習的訓練和推理性能將是重中之重。
斯坦福大學DAWNBench是全球人工智能領域最權(quán)威的競賽之一，是用來衡量端到端的深度學習模型訓練和推理性能的國際權(quán)威基準測試平臺，相應的排行榜反映了當前業(yè)界深度學習平臺技術的領先性。
華為云ModelArts支持海量數(shù)據(jù)預處理、大規(guī)模分布式訓練、自動化模型生成，并具備端-邊-云模型按需部署能力，可幫助用戶快速創(chuàng)建和部署模型、管理全周期AI工作流。在本次斯坦福大學DAWNBench深度學習訓練時間及推理性能挑戰(zhàn)中，華為云ModelArts運用了高性能分布式模型訓練和極速推理技術。
斯坦福大學DAWNBench訓練時間榜單
用戶：高效地在云端獲得和利用AI計算資源
稀缺且昂貴的算力和開發(fā)效率低是當前AI開發(fā)過程中的主要痛點，例如開發(fā)者、企業(yè)或高校機構(gòu)等通常期望借助更高性能的大規(guī)模計算集群來加速訓練過程，然而采購和維護如此規(guī)模的高性能計算集群意味著高昂的成本。
對于華為云ModelArts用戶來講，可以高效地在云端，獲得和利用規(guī)模的高性能GPU計算集群資源，按需付費，算力的獲取門檻大幅下降；ModelArts還借助華為云對特定硬件（高性能服務器、網(wǎng)絡、存儲等）、軟件和算法協(xié)同優(yōu)化來實現(xiàn)加速；加上對分布式系統(tǒng)和算法的優(yōu)化，以及對用戶體驗的優(yōu)化，可以進一步幫助用戶降低成本，快速實現(xiàn)或優(yōu)化AI業(yè)務。
為了賦能生態(tài)，進一步加速AI產(chǎn)品的開發(fā)與落地，3月21日華為云發(fā)布了在ModelArts基礎上構(gòu)建的開發(fā)者生態(tài)社區(qū)——華為云AI市場，提供AI模型、API交易功能以及數(shù)據(jù)、競賽案例等內(nèi)容共享功能，為高�？蒲袡C構(gòu)、AI應用開發(fā)商、解決方案集成商、企業(yè)及個人開發(fā)者等群體，提供安全、開放的共享及交易環(huán)境。華為云AI市場中包含的AI模型市場，是國內(nèi)首個提供發(fā)布及訂閱AI模型服務的平臺。
自發(fā)布以來，華為云ModelArts一站式AI開發(fā)平臺已經(jīng)逐步覆蓋醫(yī)療、智能制造、自動駕駛、智慧城市、建筑、園區(qū)等人工智能場景，幫助金域醫(yī)學、廣聯(lián)達、云廬科技等企業(yè)進行AI開發(fā)應用落地。
截至2018年底，華為云EI企業(yè)智能服務已經(jīng)增加至56種、159種功能，在城市、制造、物流、物聯(lián)網(wǎng)等8大行業(yè)超過200個項目進行探索，致力做行業(yè)升級新引擎。
斯坦福大學DAWNBench榜單鏈接：https://dawn.cs.stanford.edu/benchmark/
