본 한국어 번역은 사용자 편의를 위해 제공되는 기계 번역입니다. 영어 버전과 한국어 버전이 서로 어긋나는 경우에는 언제나 영어 버전이 우선합니다.

테스트 절차

08/18/2025 기여자

이 섹션에서는 이 솔루션의 유효성을 검증하는 데 사용된 테스트 절차를 설명합니다.

운영 체제 및 AI 추론 설정

AFF C190 의 경우 NVIDIA 드라이버와 NVIDIA GPU를 지원하는 Docker가 포함된 Ubuntu 18.04를 사용했으며 MLPerf를 사용했습니다. "암호" Lenovo가 MLPerf Inference v0.7에 제출한 내용의 일부로 제공됩니다.

EF280의 경우 NVIDIA 드라이버와 NVIDIA GPU 및 MLPerf를 지원하는 Docker가 포함된 Ubuntu 20.04를 사용했습니다. "암호" Lenovo가 MLPerf Inference v1.1에 제출한 내용의 일부로 제공됩니다.

AI 추론을 설정하려면 다음 단계를 따르세요.

등록이 필요한 데이터세트, ImageNet 2012 검증 세트, Criteo 테라바이트 데이터세트, BraTS 2019 훈련 세트를 다운로드한 다음 파일의 압축을 풉니다.
최소 1TB의 작업 디렉토리를 생성하고 환경 변수를 정의합니다. MLPERF_SCRATCH_PATH 디렉토리를 참조합니다.

네트워크 스토리지 사용 사례의 경우 공유 스토리지에서 이 디렉토리를 공유해야 하고, 로컬 데이터로 테스트하는 경우 로컬 디스크에서 공유해야 합니다.
메이크를 실행하다 prebuild 필요한 추론 작업을 위해 Docker 컨테이너를 빌드하고 시작하는 명령입니다.

다음 명령은 모두 실행 중인 Docker 컨테이너 내에서 실행됩니다.
- MLPerf 추론 작업을 위해 사전 학습된 AI 모델을 다운로드하세요. make download_model
- 무료로 다운로드할 수 있는 추가 데이터 세트를 다운로드하세요. make download_data
- 데이터 전처리: 만들기 preprocess_data
- 달리다: make build .
- 컴퓨팅 서버에서 GPU에 최적화된 추론 엔진을 구축하세요. make generate_engines
- 추론 워크로드를 실행하려면 다음 명령 하나를 실행하세요.

make run_harness RUN_ARGS="--benchmarks=<BENCHMARKS> --scenarios=<SCENARIOS>"

세 가지 유형의 실행이 실행되었습니다.