Skip to main content
NetApp Solutions
Se proporciona el idioma español mediante traducción automática para su comodidad. En caso de alguna inconsistencia, el inglés precede al español.

Plan de pruebas

Colaboradores
PDF

Este documento sigue a la inferencia MLPerf v0.7 "codificación", Inferencia MLPerf v1.1 "codificación", y. "bases de datos". Ejecutamos pruebas de rendimiento MLPerf diseñadas para la inferencia en el perímetro tal y como se definen en la tabla siguiente.

Zona Tarea Modelo Conjunto de datos Tamaño de QSL Calidad Limitación de latencia de múltiples flujos

Visión

Clasificación de imágenes

Resnet50v1.5

ImageNET (224 x 224)

1024

99% del FP32

50 ms

Visión

Detección de objetos (grande)

SSD- ResNet34

COCO (1200x1200)

64

99% del FP32

66 ms

Visión

Detección de objetos (pequeño)

SSD- MobileNetsv1

COCO (300 x 300)

256

99% del FP32

50 ms

Visión

Segmentación de imagen médica

UNET 3D

Brats 2019 (224x224x160)

16

99% y 99.9% del FP32

n.a.

Voz

Voz a texto

RNNT

Llibrispeech dev-Clean

2513

99% del FP32

n.a.

Idioma

Procesamiento de idiomas

BERT

Escuadra v1.1

10833

99% del FP32

n.a.

En la siguiente tabla se presentan los escenarios de referencia de Edge.

Zona Tarea Escenarios

Visión

Clasificación de imágenes

Flujo único, sin conexión, multisecuencia

Visión

Detección de objetos (grande)

Flujo único, sin conexión, multisecuencia

Visión

Detección de objetos (pequeño)

Flujo único, sin conexión, multisecuencia

Visión

Segmentación de imagen médica

Flujo único, sin conexión

Voz

Voz a texto

Flujo único, sin conexión

Idioma

Procesamiento de idiomas

Flujo único, sin conexión

Realizamos estas pruebas de rendimiento utilizando la arquitectura de almacenamiento en red desarrollada en esta validación y comparamos los resultados de las ejecuciones locales en servidores perimetrales que antes se enviaban al MLPerf. La comparación consiste en determinar cuánto impacto tiene el almacenamiento compartido en el rendimiento de la inferencia.