基准性能

本文介绍MindSpore的基准性能。MindSpore网络定义可参考Model Zoo。

训练性能

ResNet

Network	Network Type	Dataset	MindSpore Version	Resource	Precision	Batch Size	Throughput	Speedup
ResNet-50 v1.5	CNN	ImageNet2012	0.5.0-beta	Ascend: 1 * Ascend 910 CPU：24 Cores	Mixed	256	2115 images/sec	-
				Ascend: 8 * Ascend 910 CPU：192 Cores	Mixed	256	16600 images/sec	0.98
				Ascend: 16 * Ascend 910 CPU：384 Cores	Mixed	256	32768 images/sec	0.96

1. 以上数据基于华为云AI开发平台ModelArts测试获得，是训练过程整体下沉至Ascend 910 AI处理器执行所得的平均性能。

2. 业界其他开源框架数据可参考：ResNet-50 v1.5 for TensorFlow。

BERT

Network	Network Type	Dataset	MindSpore Version	Resource	Precision	Batch Size	Throughput	Speedup
BERT-Large	Attention	zhwiki	0.5.0-beta	Ascend: 1 * Ascend 910 CPU：24 Cores	Mixed	96	269 sentences/sec	-
				Ascend: 8 * Ascend 910 CPU：192 Cores	Mixed	96	2069 sentences/sec	0.96

1. 以上数据基于华为云AI开发平台ModelArts测试获得，其中网络包含24个隐藏层，句长为128个token，字典表包含21128个token。

2. 业界其他开源框架数据可参考：BERT For TensorFlow。

Wide & Deep (数据并行)

Network	Network Type	Dataset	MindSpore Version	Resource	Precision	Batch Size	Throughput	Speedup
Wide & Deep	Recommend	Criteo	0.6.0-beta	Ascend: 1 * Ascend 910 CPU：24 Cores	Mixed	16000	796892 samples/sec	-
				Ascend: 8 * Ascend 910 CPU：192 Cores	Mixed	16000*8	4872849 samples/sec	0.76

1. 以上数据基于Atlas 800测试获得，且网络模型为数据并行。

2. 业界其他开源框架数据可参考：Wide & Deep For TensorFlow。

Wide & Deep (Host-Device混合计算模型并行)

Network	Network Type	Dataset	MindSpore Version	Resource	Precision	Batch Size	Throughput	Speedup
Wide & Deep	Recommend	Criteo	0.6.0-beta	Ascend: 1 * Ascend 910 CPU：24 Cores	Mixed	8000	68715 samples/sec	-
				Ascend: 8 * Ascend 910 CPU：192 Cores	Mixed	8000*8	283830 samples/sec	0.51
				Ascend: 16 * Ascend 910 CPU：384 Cores	Mixed	8000*16	377848 samples/sec	0.34
				Ascend: 32 * Ascend 910 CPU：768 Cores	Mixed	8000*32	433423 samples/sec	0.20

1. 以上数据基于Atlas 800测试获得，且网络模型为模型并行。

2. 业界其他开源框架数据可参考：Wide & Deep For TensorFlow。