MLPerf Results Validate CPUs for Deep Learning Training

I have worked on optimizing and benchmarking computer performance for more than two decades, on platforms ranging from supercomputers and database servers to mobile devices. It is always fun to highlight performance results for the product you are building and compare them with others in the industry. SPEC*, LINPACK*, and TPC* have become familiar names to many of us. Now, MLPerf* is filling in the void of benchmarking for Machine Learning.

I am excited to see the Intel® Xeon® Scalable processor MLPerf results submitted by our team because we work on both the user side and the computer system development side of deep learning. These results show that Intel® Xeon® Scalable processors have surpassed a performance threshold where they can be an effective option for data scientists looking to run multiple workloads on their infrastructure without investing in dedicated hardware.1 2 3

Back in 2015, I had a team working on mobile devices. We had to hire testers to manually play mobile games. It was fun initially for the testers, then it became boring and costly. One tester we hired quit on the same day. Our team created a robot to test mobile games and adopted deep learning. Our game testing robot played games automatically and found more bugs than human testers. We wanted to train neural networks on the machines we already had in the lab, but they were not fast enough. I had to allocate budget for the team to buy a GPU, an older version than the MLPerf reference GPU.4

Today CPUs are capable of deep learning training as well as inference. Our MLPerf Intel® Xeon® Scalable processor results compare well with the MLPerf reference GPU4 on a variety of MLPerf deep learning training workloads.1 2 3 For example, the single-system two-socket Intel® Xeon® Scalable processor results submitted by Intel achieved a score of 0.85 on the MLPerf Image Classification benchmark (Resnet-50)1; 1.6 on the Recommendation benchmark (Neural Collaborative Filtering NCF)2; and 6.3 on Reinforcement Learning benchmark (mini GO).3 In all these scores, 1.0 is defined as the score of the reference implementation on the reference GPU.4 For all the preceding results, we use FP32, the common numerical precision used in today’s market. From these MLPerf results, we can see that our game testing robot could easily train on Intel® Xeon® Scalable processors today.

The deep learning and machine learning world continues to evolve from image processing using Convolutional Neural Networks (CNN) and natural language processing using Recurrent Neural Networks (RNN) to recommendation systems using MLP layers and general matrix multiply, reinforcement learning (mixing CNN and simulation) and hybrid models mixing deep learning and classical machine learning. A general purpose CPU is very adaptable to this dynamically changing environment, in addition to running existing non-DL workloads.

Enterprises have adopted CPUs for deep learning training. For example, today, Datatonic* published a blog showing up to 11x cost and 57 percent performance improvement when running a neural network recommender system used in production by a top-5 UK retailer on a Google Cloud* VM powered by Intel® Xeon® Scalable processors.5 CPUs can also accommodate the large memory models required in many domains. The pharmaceutical company Novartis used Intel® Xeon® Scalable processors to accelerate training for a multiscale convolutional neural network (M-CNN) for 10,000 high-content cellular microscopic images, which are much larger in size than the typical ImageNet* images, reducing time to train from 11 hours to 31 minutes.6

High performance computing (HPC) customers use Intel® Xeon® processors for distributed training, as showcased at Supercomputing 2018. For instance, GENCI/CINES/INRIA trained a plant classification model for 300K species on a 1.5TByte dataset of 12 million images using 128 2S Intel® Xeon® processor-based systems.7 DELL EMC* and SURFSara used Intel® Xeon® processors to reduce training time to 11 minutes for a DenseNet-121 model.8 CERN* showcased distributed training using 128 nodes of the TACC Stampede 2 cluster (Intel® Xeon® Platinum 8160 processor, Intel® OPA) with a 3D Generative Adversarial Network (3D GAN) achieving 94% scaling efficiency.9 Additional examples can be found at https://software.intel.com/en-us/articles/intel-processors-for-deep-learning-training.

CPU hardware and software performance for deep learning has increased by a few orders of magnitude in the past few years. Training that used to take days or even weeks can now be done in hours or even minutes. This level of performance improvement was achieved through a combination of hardware and software. For example, current-generation Intel® Xeon® Scalable processors added both the Intel® Advanced Vector Extensions 512 (Intel® AVX-512) instruction set (longer vector extensions) to allow a large number of operations to be done in parallel, and with a larger number of cores, essentially becoming a mini-supercomputer. The next-generation Intel® Xeon® Scalable processor adds Intel® Deep Learning Boost (Intel® DL Boost): higher throughput, lower numerical precision instructions to boost deep learning inference. On the software side, the performance difference between the baseline open source deep learning software, and the Intel-optimized software can be up to 275X10 on the same Intel® Xeon® Scalable processor (as illustrated in a demo I showed at the Intel Architecture Day forum yesterday).

Over the past few years, Intel has worked with DL framework developers to optimize many popular open source frameworks such as TensorFlow*, Caffe*, MXNet*, PyTorch*/Caffe2*, PaddlePaddle* and Chainer*, for Intel® processors. Intel has also designed a framework, BigDL for SPARK*, and the Intel® Deep Learning Deployment Toolkit (DLDT) for inference. Since the core computation is linear algebra, we have created a new math library, Intel® Math Kernel Library for Deep Neural Networks (Intel® MKL-DNN), specifically for deep learning, based on many years of experience with the Intel® Math Kernel Library (MKL) for high performance computing (HPC). The integration of Intel MKL-DNN into the frameworks, and the additional optimizations contributed to the frameworks to fully utilize the underlying hardware capabilities, are the key reason for the huge software performance improvement.

I’ve often been asked whether CPUs are faster or slower than accelerators. Of course, accelerators have certain advantages. For a specific domain, if an accelerator is not generally faster than a CPU, then it is not much of an accelerator. Even so, given the increasing variety of deep learning workloads, in some cases, a CPU may be as fast or faster while retaining that flexibility that is core to the CPU value proposition. Thus, the more pertinent question is whether CPUs can run deep learning well enough to be an effective option for customers that don’t wish to invest in accelerators. These initial MLPerf results1 2 3, as well as our customer examples, show that CPUs can indeed be effectively used for training. Intel’s strategy is to offer both general purpose CPUs and accelerators to meet the machine learning needs of a wide range of customers.

Looking forward, we are continuing to add new AI and deep learning features to our future generations of CPUs, like Intel® Deep Learning Boost (Intel® DL Boost), plus bfloat16 for training, as well as additional software optimizations. Please stay tuned. For more information on Intel® software optimizations, see ai.intel.com/framework-optimizations. For more information on Intel® Xeon® Scalable processors, see intel.ru/xeonscalable.

Информация о продукте и производительности

1

Результат 0,85 при выполнении теста классификации изображений MLPerf (Resnet-50), с коэффициентом 0,85 по сравнению с MLPerf базового уровня(+) при использовании двух процессоров Intel® Xeon® Platinum 8180. MLPerf v0.5 Training Closed Division; в системе используется оптимизация Intel® для Caffe* 1.1.2a с библиотекой Intel® Math Kernel Library для глубоких нейронных сетей (Intel® MKL-DNN) v0.16. Получено с веб-сайта www.mlperf.org 12 декабря 2018 года, запись 0.5.6.1. Наименование и логотип MLPerf являются товарными знаками. Дополнительную информацию можно найти на сайте www.mlperf.org.

2

Результат 1,6 при выполнении теста «Рекомендация» (нейронная совместная фильтрация, NCF), в 1,6 раза выше по сравнению с тестом MLPerf базового уровня(+) при использовании двух процессоров Intel® Xeon® Platinum 8180. MLPerf v0.5 Training Closed Division; в системе используется платформа BigDL 0.7.0. Получено с веб-сайта www.mlperf.org 12 декабря 2018 года, запись 0.5.9.6. Наименование и логотип MLPerf являются товарными знаками. Дополнительную информацию можно найти на сайте www.mlperf.org.

3

Результат 6,3 при выполнении теста «Стимулированное обучение» (mini GO), в 6,3 раза выше по сравнению с тестом MLPerf базового уровня(+) при использовании двух процессоров Intel® Xeon® Platinum 8180. MLPerf v0.5 Training Closed Division; в системе используется TensorFlow 1.10.1 с библиотекой Intel® Math Kernel Library для глубоких нейронных сетей (Intel® MKL-DNN) v0.14. Получено с веб-сайта www.mlperf.org 12 декабря 2018 года, запись 0.5.10.7. Наименование и логотип MLPerf являются товарными знаками. Дополнительную информацию можно найти на сайте www.mlperf.org.

(+) MLPerf базового уровня (принят из MLPerf v0.5 Community Press Briefing): MLPerf Training v0.5 — это набор тестов для измерения скорости системы ML. Каждый тест MLPerf Training определяется набором данных и нормативом качества. MLPerf Training также предоставляет эталонную реализацию для каждого теста, в которой используется конкретная модель. В приведенной ниже таблице представлены семь тестов в версии v0.5 данного пакета.

Тест

Набор данных

Нормативы качества

Эталонная модель реализации

Классификация изображений

ImageNet

Классификация: 74,90%

Resnet-50 v1.5

Обнаружение объектов (облегченный вариант)

COCO 2017

21,2% mAP

SSD-накопитель (Resnet-34 Backbone)

Обнаружение объектов (усложненный вариант)

COCO 2017

0,377 мин. AP (Box), 0,339 мин. AP (Mask)

Mask R-CNN

Перевод (рекуррентный)

WMT, английский — немецкий

21,8 BLEU

Нейронный машинный перевод

Перевод (нерекуррентный)

WMT, английский — немецкий

25,0 BLEU

Transformer

Рекомендация

MovieLens-20M

0,635 HR при 10

Нейронная совместная фильтрация

Стимулированное обучение

Игры на профессиональной основе

Предсказание движения 40,00%

Mini Go


Правила обучения MLPerf: https://github.com/mlperf/training_policies/blob/master/training_rules.adoc

4

Эталонная система MLPerf*: конфигурация Google Cloud Platform: 16 виртуальных ЦП, Intel Skylake или выше, ОЗУ 60 ГБ (n1­standard­16), 1 графический процессор NVIDIA* Tesla* P100, CUDA* 9.1 (9.0 для TensorFlow*), nvidia­docker2, Ubuntu* 16.04 LTS, возможность приоритетных прерываний выключена, автоматический перезапуск выключен, загрузочный диск 30 ГБ + 1 постоянный SSD-диск 500 ГБ, образ Docker*: 9.1­cudnn7­runtime­ubuntu16.04 (9.0­cudnn7­devel­ubuntu16.04 для TensorFlow*).

6

Novartis: измерения выполнены 25 мая 2018 г. На основе ускорения для 8 узлов по отношению к одному узлу. Конфигурация узла: ЦП: процессор Intel® Xeon® Gold 6148, 2,4 ГГц, объем памяти 192 ГБ, технология Hyper-threading включена. Интерфейсная сетевая карта: Intel® Omni-Path Host Fabric Interface (Intel® OP HFI), TensorFlow: v1.7.0, Horovod: 0.12.1, OpenMPI: 3.0.0. ОС: CentOS* 7.3, OpenMPU 23.0.0, Python 2.7.5. Время обучения для обеспечения конвергентности с точностью 99% в модели. Источник: https://newsroom.intel.com/news/using-deep-neural-network-acceleration-image-analysis-drug-discovery.

7

GENCI: Occigen: 3306 узлов по 2 процессора Intel® Xeon® (12-14 ядер). Вычислительные узлы: 2 процессора Intel® Xeon® с 12 ядрами каждый, 2,70 ГЦ для 24 ядер в общей сложности на каждый узел, 2 потока на ядро, DDR4 емкостью 96 ГБ, Mellanox InfiniBand Fabric Interface, двухрельсовое исполнение. ПО: библиотека Intel® MPI 2017, обновление 4, библиотека Intel® MPI 2019, ознакомительная техническая версия OFI 1.5.0PSM2 с Multi-EP, 10-гигабитный Ethernet, локальный SSD-накопитель 200 ГБ, Red Hat* Enterprise Linux 6.7. Caffe*: оптимизация Intel® для Caffe*: https://github.com/intel/caffe Библиотека Intel® MLSL: https://github.com/intel/MLSL Набор данных: Pl@ntNet: CINES/GENCI Internal Dataset, результаты тестов производительности основаны на тестировании, выполненном 15 октября 2018 г.

8

Сотрудничество Intel, Dell и Surfsara: измерение выполнено 17 мая 2018 года на 256 узлах с двумя процессорами Intel® Xeon® Gold 6148. Вычислительные узлы: 2 процессора Intel® Xeon® Gold 6148F с 20 ядрами каждый, 2,40 ГГц для 40 ядер в общей сложности на каждый узел, 2 потока на ядро, L1d 32K; кэш L1i 32K; кэш L2 1024K; кэш L3 33792K, DDR4 емкостью 96 ГБ, Intel® OP HFI, двухрельсовое исполнение. ПО: библиотека Intel® MPI 2017, обновление 4, библиотека Intel® MPI 2019, ознакомительная техническая версия OFI 1.5.0PSM2 с Multi-EP, 10-гигабитный Ethernet, локальный SSD-накопитель 200 ГБ, Red Hat* Enterprise Linux 6.7. TensorFlow* 1.6: создан и установлен из источника: https://www.tensorflow.org/install/install_sources Модель ResNet-50: спецификации топологий: https://github.com/tensorflow/tpu/tree/master/models/official/resnet. Модель DenseNet-121: спецификации топологий: https://github.com/liuzhuang13/DenseNet. Модель конвергенции и производительности: https://surfdrive.surf.nl/files/index.php/s/xrEFLPvo7IDRARs. Набор данных: ImageNet2012-1K: http://www.image-net.org/challenges/LSVRC/2012 /. ChexNet*: https://stanfordmlgroup.github.io/projects/chexnet/. Измерение производительности: OMP_NUM_THREADS=24 HOROVOD_FUSION_THRESHOLD=134217728 export I_MPI_FABRICS=tmi, export I_MPI_TMI_PROVIDER=psm2 \ mpirun -np 512 -ppn 2 python resnet_main.py –train_batch_size 8192 –train_steps 14075 –num_intra_threads 24 –num_inter_threads 2 — mkl=True –data_dir=/scratch/04611/valeriuc/tf-1.6/tpu_rec/train –model_dir model_batch_8k_90ep –use_tpu=False –kmp_blocktime 1. https://ai.intel.com/diagnosing-lung-disease-using-deep-learning/.

9

CERN: измерение выполнено 17 мая 2018 г. на Stampede2/TACC: https://portal.tacc.utexas.edu/user-guides/stampede2. Вычислительные узлы: 2 процессора Intel® Xeon® Platinum 8160 с 24 ядрами каждый, 2,10 ГГц для 48 ядер в общей сложности на каждый узел, 2 потока на ядро, L1d 32K; кэш L1i 32K; кэш L2 1024K; кэш L3 33792K, DDR4 емкостью 96 ГБ, Intel® OP HFI, двухрельсовое исполнение. ПО: библиотека Intel® MPI 2017, обновление 4, библиотека Intel® MPI 2019, ознакомительная техническая версия OFI 1.5.0PSM2 с Multi-EP, 10-гигабитный Ethernet, локальный SSD-накопитель 200 ГБ, Red Hat* Enterprise Linux 6.7. TensorFlow* 1.6: создан и установлен из источника: https://www.tensorflow.org/install/install_sources Модель: CERN* 3D GANS из https://github.com/sara-nl/3Dgan/tree/tf Набор данных: CERN* 3D GANS из https://github.com/sara-nl/3Dgan/tree/tf Производительность измерялась на 256 узлах. Производительность измерялась на 256 узлах со следующими переменными: OMP_NUM_THREADS=24 HOROVOD_FUSION_THRESHOLD=134217728 export I_MPI_FABRICS=tmi, export I_MPI_TMI_PROVIDER=psm2 \ mpirun -np 512 -ppn 2 python resnet_main.py –train_batch_size 8 \ –num_intra_threads 24 –num_inter_threads 2 –mkl=True \ –data_dir=/path/to/gans_script.py –kmp_blocktime 1. https://www.rdmag.com/article/2018/11/imagining-unthinkable-simulations-without-classical-monte-carlo.

10

Повышение скорости обработки логических выводов в 275 раз благодаря оптимизации Intel® для Caffe* в сравнении с BVLC-Caffe*: измерено в корпорации Intel 11 декабря 2018 г. 2 процессора Intel® Xeon® Platinum 8180, 2,50 ГГц (28 ядер), технологии HT и режим Turbo активированы, общая емкость памяти 192 ГБ (12 модулей* 16 ГБ, Micron 2666 МГц), SSD-накопитель Intel® SSDSC2KF5, Ubuntu 16.04, ядро 4.15.0-42.generic; BIOS: SE5C620.86B.00.01.0009.101920170742 (микрокод: 0x0200004d); топология: Resnet-50 Baseline: FP32, BVLC Caffe* (https://github.com/BVLC/caffe.git), фиксация 99bd99795dcdf0b1d3086a8d67ab1782a8a08383, текущая производительность: INT8, фиксация оптимизаций Intel® для Caffe* (https://github.com/Intel/caffe.git): фиксация Caffe*: e94b3ff41012668ac77afea7eda89f07fa360adf, фиксация MKLDNN: 4e333787e0d66a1dca1218e99a891d493dbc8ef1.

Программное обеспечение и рабочие задачи, используемые в тестах оценки производительности, оптимизированы для обеспечения высокой производительности только с микропроцессорами Intel. Тесты производительности, в том числе SYSmark* и MobileMark*, проводятся с использованием определенных компьютерных систем, компонентов, программного обеспечения, операций и функций. Любые изменения этих параметров могут привести к изменению конечных результатов. При принятии решения о покупке следует обращаться к другим источникам информации и данным тестирования производительности, в том числе к информации о производительности данного продукта в сочетании с другими продуктами. Дополнительная информация представлена на веб-сайте www.intel.ru/benchmarks.

Компиляторы Intel могут обеспечивать или не обеспечивать для микропроцессоров других производителей тот же уровень оптимизаций, которые не являются уникальными для микропроцессоров Intel. В число этих оптимизаций входят наборы команд SSE2, SSSE3 и SSE3, а также другие оптимизации. Корпорация Intel не гарантирует наличие, функциональность или эффективность оптимизаций микропроцессоров других производителей. Содержащиеся в данной продукции оптимизации, зависящие от микропроцессора, предназначены для использования с микропроцессорами Intel. Некоторые оптимизации, не относящиеся к микроархитектуре Intel, предназначены для микропроцессоров Intel. Более подробную информацию по конкретным наборам команд, рассматриваемых в настоящем уведомлении, см. руководства пользователя соответствующей продукции.

Результаты тестов производительности могут не отражать всех общедоступных обновлений безопасности. Подробная информация представлена в описании конфигурации. Ни одна система не может быть полностью защищена.

Intel, логотип Intel, масштабируемые процессоры Xeon, Deep Learning Boost являются товарными знаками корпорации Intel или ее подразделений в США и других странах.
* Другие наименования и товарные знаки являются собственностью своих законных владельцев.
© Корпорация Intel.