使用 NVIDIA T4 进行推断
来源：GPU工作站 发布时间：2023-05-10 17:10:19 阅读量：289
使用 NVIDIA T4 进行推断
摘要: HPC, 高性能计算, HPC 和 AI 创新实验室, Dell EMC, PowerEdge R740, 性能, NVIDIA T4, CUDA, TensorRT, AlexNet, GoogLeNet, ResNet 50, VGG-19
简介
机器学习有两个主要阶段：训练和推理。训练神经网络涉及设置纪元数、批量大小、学习速率以及优化其他超参数。 对神经网络进行数小时的训练后，将会生成可在任何地方部署的静态模型。在下一阶段（即，推理阶段），真实世界的数据被输入到经过训练的模型中，以生成预测。训练的目标是构建具有高准确性的神经网络；推理的目标是快速检测/识别，即注重延迟方面的表现。目前，在推理方面，有许多选项可用。在此博客中，我们介绍 NVIDIA® T4 GPU，并将其与上一代 NVIDIA Pascal™ P4 专注于推理的 GPU 进行性能比较。此外，我们还与 NVIDIA Volta™ V100 进行比较，后者对于此训练阶段来说也是很好的选项。这些测试在 Dell EMC PowerEdge R740 服务器上进行。
NVIDIA 基于 Turing™ 微体系结构的最新 GPU 是 Tesla® T4。此卡专为深度学习训练和推理而设计。NVIDIA T4 是 x16 PCIe Gen3 薄型卡。小巧的外形使其更容易安装到 Power Edge 服务器中。对于推理 FP32、FP16、INT8 和 INT4，Tesla T4 支持全范围的精度。
图 1：NVIDIA T4 卡 [来源：NVIDIA 网站]
下表比较不同 NVIDIA GPU 卡的性能。
GPU Tesla V100-PCIe Tesla T4 Tesla P4 Tesla T4 与 P4 体系结构 Volta Turing Pascal NVIDIA CUDA 核心 5120 2560 2560 相同数量的核心 GPU 核心频率 1245MHz 585MHz 885MHz 动态提升频率 1380MHz 1590MHz 1531MHz 单精度性能 (FP 32) 14 TFLOPS 8.1 TFLOPS 5.5 TFLOPS 大约 1.48 倍 半精度性能 (FP 16) 112 TFLOPS 65 TFLOPS 不适用 *在 T4 中引入 整数运算 (INT 8) 224 TOPS 130 TOPS 22 TOPS 6.5 倍 整数运算 (INT 4) 不适用 260 TOPS 不适用 *在 T4 中引入 GPU 内存 16GB 16GB 8GB 2 倍 内存带宽 900 GB/s 320 GB/s 192GB/s 1.6 倍 电源 250W 70W 50W/75W
表 1：NVIDIA GPU 卡比较
Dell EMC™ PowerEdge™ R740 是一个 2U 双插槽平台，可支持两个 Intel® Xeon® 可扩展处理器，具有密集存储选项、高速互连和各种 GPU。PowerEdge R740 在 x16 插槽中可支持多达三个 NVIDIA T4 或 NVIDIA P4 或 NVIDIA V100 PCIe 卡。
试验台配置
下表介绍用于推理研究的硬件和软件配置。
服务器 Dell EMC PowerEdge R740 处理器 双 Intel Xeon Gold 6136 CPU @ 3.00 GHz，12 核 内存 384 GB @ 2667 MT/s GPU NVIDIA T4 / NVIDIA P4 / NVIDIA V100 电源设备 双 1600 W (BIOS) 1.4.5 操作系统 RHEL 7.4 内核 3.10.0-693.el7.x86_64 系统配置文件 性能已优化 CUDA 驱动程序 410.66 CUDA 工具包 10.0 TensorRT 5.0.2.6 图像分类模型 AlexNet
GoogleNet
ResNet 50
VGG_19
表 2：试验台信息
NVIDIA TensorRT
TensorRT 是用于深度学习推理的软件平台，其中包含推理优化器，可为深度学习应用程序提供低延迟和高吞吐量。它可用于从不同的深度学习框架（如 Pytorch、TensorFlow、mxnet 等）导入经过训练的模型。TensorRT 版本 5 支持 Turing GPU，在博客发布时，所使用的 TensorRT 版本不支持 INT4 精度，因此此博客中不会讨论 INT4 的性能。
推理性能
图 2 绘制了在三个不同的 GPU（NVIDIA T4、P4 和 V100）上预先训练的图像识别模型 AlexNet、GoogLeNet、ResNet 和 VGG 的推理性能。每个测试都在每种类型的单个 GPU 上运行。性能指标是每秒图像数，这些显卡每秒绘制上千个图像。这些图像识别模型使用 TensorRT 软件针对不同的精度方法 INT8、FP16 和 FP32 进行了测试。NVIDIA P4 不支持半精度，因此下面的图形不显示数据点。数值越高表示性能越好。这些测试案例使用的批量大小为 128。由于 NVIDIA T4 卡具有 16 GB 内存，因此我们选择了具有 16 GB 内存的 V100 GPU，以便对性能进行公平比较。
图 2 不同图像分类模型上的推理性能
- 在使用 INT8 精度时，T4 比 P4 表现好，前者的性能大约是后者的 1.4 倍至 2.8 倍。尽管 T4 和 P4 之间的 CUDA 核心数量相似，但在采用 INT8 精度的情况下，每秒 Tera 运算次数 (TOPS) 增加，提高了 T4 的性能。
- 在使用 INT8 精度时，V100 比 T4 表现好，前者的性能大约是后者的 1.1 倍至 2.1 倍。当我们比较 T4 和 V100 的 FP16 精度时，V100 比 T4 表现好，前者的性能大约是后者的 3 倍至 4 倍，并且提升程度因数据集而异。这是 T4 卡的预期性能，T4 卡的 CUDA 核心数只是 Volta V100 的一半，T4 卡的功耗为 Volta V100 的三分之一，这些都使得 T4 成为极具吸引力的解决方案，适用于降低功耗为头等关键大事的应用场景。
- 比较 T4 的 INT8 和 FP32 精度，当我们使用 INT8 精度进行测试时，测得约 4.6 倍至 9.5 倍的加速。
多 GPU 推理性能
除了带来低延迟之外，系统中的多个 GPU 将能够同时处理多个推理作业，从而提供高吞吐量。 由于启动多个推理进程时 GPU 之间没有通信，因此预计会出现线性加速。此测试在 NVIDIA P40s 上进行，我们预计 T4 的多推理性能也会线性扩展。多 T4 推理测试计划作为此项目的未来工作进行开展。
精度测试
此部分比较了包括 INT8、FP16 和 FP32 在内的不同精度方法的精度。从图 2 中使用 TensorRT 的推理测试来看，在不同的图像识别模型中，INT8 比 FP32 快 4.5 到 9.5 倍。 目标是验证这种更快的性能不会以牺牲精度为代价。
我们的基准测试中使用了几个预先训练的模型，包括 AlexNet、GoogLeNet、ResNet-50、ResNet-101。用于此测试的二进制文件是 TensorRT 的一部分。所有模型都使用相同的验证数据集，这类数据集包含 50000 个图像，并划分为 2000 个批次，每批 25 个图像。前 50 批用于校准目的，其余用于精度测量。
第 1 名的精度是模型正确分类图像的概率。前 5 名的精度是模型将图像分类为前 5 个最高概率类别之一的概率。表 3 显示精度测试的结果。在 INT8 和 FP32 之间测得的精度损失在 0.5% 以内，而使用 INT8 精度可实现高达 9 倍的性能提升。
表 3 显示在不同图像分类模型上的精度测试：
FP32 INT8 FP32 和 INT8 精度之间的差异 网络 第 1 名 前 5 名 第 1 名 前 5 名 第 1 名 前 5 名 AlexNet 56.82% 79.99% 56.76% 79.97% 0.07% 0.02% GoogLeNet 68.95% 89.12% 68.75% 88.99% 0.2% 0.13% Resnet_101 74.33% 91.95% 74.34% 91.85% -0.02% 0.1% Resnet_50 72.9% 91.14% 72.77% 91.06% 0.13% 0.08%
表 3：在不同图像分类模型上的精度测试
结论
此博客介绍 NVIDIA T4 推理卡，并描述在使用 T4、P4 和 V100 GPU 的情况下不同图像识别模型的推理性能。T4 卡的 PCIe 外形尺寸小巧且功耗低，使得其很容易用在 Dell EMC PowerEdge 系统中。比较新款 T4 和以前的 P4 的 INT8 精度，在 T4 上测得性能提高了 1.5 倍至 2.7 倍。精度测试表明 FP32、FP16 和 INT8 之间的差异很小，使用 INT8 精度时速度最多提高 9.5 倍。
免责声明：为了进行基准测试，对 Dell PowerEdge R740 中的四个 T4 GPU 进行了评估。当前，根据官方声明，PowerEdge R740 在 x16 PCIe 插槽中最多支持三个 T4
使用 NVIDIA T4 进行推断
摘要: HPC, 高性能计算, HPC 和 AI 创新实验室, Dell EMC, PowerEdge R740, 性能, NVIDIA T4, CUDA, TensorRT, AlexNet, GoogLeNet, ResNet 50, VGG-19
简介
机器学习有两个主要阶段：训练和推理。训练神经网络涉及设置纪元数、批量大小、学习速率以及优化其他超参数。 对神经网络进行数小时的训练后，将会生成可在任何地方部署的静态模型。在下一阶段（即，推理阶段），真实世界的数据被输入到经过训练的模型中，以生成预测。训练的目标是构建具有高准确性的神经网络；推理的目标是快速检测/识别，即注重延迟方面的表现。目前，在推理方面，有许多选项可用。在此博客中，我们介绍 NVIDIA® T4 GPU，并将其与上一代 NVIDIA Pascal™ P4 专注于推理的 GPU 进行性能比较。此外，我们还与 NVIDIA Volta™ V100 进行比较，后者对于此训练阶段来说也是很好的选项。这些测试在 Dell EMC PowerEdge R740 服务器上进行。
NVIDIA 基于 Turing™ 微体系结构的最新 GPU 是 Tesla® T4。此卡专为深度学习训练和推理而设计。NVIDIA T4 是 x16 PCIe Gen3 薄型卡。小巧的外形使其更容易安装到 Power Edge 服务器中。对于推理 FP32、FP16、INT8 和 INT4，Tesla T4 支持全范围的精度。
图 1：NVIDIA T4 卡 [来源：NVIDIA 网站]
下表比较不同 NVIDIA GPU 卡的性能。
| GPU | Tesla V100-PCIe | Tesla T4 | Tesla P4 | Tesla T4 与 P4 |
|---|---|---|---|---|
| 体系结构 | Volta | Turing | Pascal | |
| NVIDIA CUDA 核心 | 5120 | 2560 | 2560 | 相同数量的核心 |
| GPU 核心频率 | 1245MHz | 585MHz | 885MHz | |
| 动态提升频率 | 1380MHz | 1590MHz | 1531MHz | |
| 单精度性能 (FP 32) | 14 TFLOPS | 8.1 TFLOPS | 5.5 TFLOPS | 大约 1.48 倍 |
| 半精度性能 (FP 16) | 112 TFLOPS | 65 TFLOPS | 不适用 | *在 T4 中引入 |
| 整数运算 (INT 8) | 224 TOPS | 130 TOPS | 22 TOPS | 6.5 倍 |
| 整数运算 (INT 4) | 不适用 | 260 TOPS | 不适用 | *在 T4 中引入 |
| GPU 内存 | 16GB | 16GB | 8GB | 2 倍 |
| 内存带宽 | 900 GB/s | 320 GB/s | 192GB/s | 1.6 倍 |
| 电源 | 250W | 70W | 50W/75W |
表 1：NVIDIA GPU 卡比较
Dell EMC™ PowerEdge™ R740 是一个 2U 双插槽平台，可支持两个 Intel® Xeon® 可扩展处理器，具有密集存储选项、高速互连和各种 GPU。PowerEdge R740 在 x16 插槽中可支持多达三个 NVIDIA T4 或 NVIDIA P4 或 NVIDIA V100 PCIe 卡。
试验台配置
下表介绍用于推理研究的硬件和软件配置。
| 服务器 | Dell EMC PowerEdge R740 |
|---|---|
| 处理器 | 双 Intel Xeon Gold 6136 CPU @ 3.00 GHz，12 核 |
| 内存 | 384 GB @ 2667 MT/s |
| GPU | NVIDIA T4 / NVIDIA P4 / NVIDIA V100 |
| 电源设备 | 双 1600 W |
| (BIOS) | 1.4.5 |
| 操作系统 | RHEL 7.4 |
| 内核 | 3.10.0-693.el7.x86_64 |
| 系统配置文件 | 性能已优化 |
| CUDA 驱动程序 | 410.66 |
| CUDA 工具包 | 10.0 |
| TensorRT | 5.0.2.6 |
| 图像分类模型 | AlexNet GoogleNet ResNet 50 VGG_19 |
表 2：试验台信息
NVIDIA TensorRT
TensorRT 是用于深度学习推理的软件平台，其中包含推理优化器，可为深度学习应用程序提供低延迟和高吞吐量。它可用于从不同的深度学习框架（如 Pytorch、TensorFlow、mxnet 等）导入经过训练的模型。TensorRT 版本 5 支持 Turing GPU，在博客发布时，所使用的 TensorRT 版本不支持 INT4 精度，因此此博客中不会讨论 INT4 的性能。
推理性能
图 2 绘制了在三个不同的 GPU（NVIDIA T4、P4 和 V100）上预先训练的图像识别模型 AlexNet、GoogLeNet、ResNet 和 VGG 的推理性能。每个测试都在每种类型的单个 GPU 上运行。性能指标是每秒图像数，这些显卡每秒绘制上千个图像。这些图像识别模型使用 TensorRT 软件针对不同的精度方法 INT8、FP16 和 FP32 进行了测试。NVIDIA P4 不支持半精度，因此下面的图形不显示数据点。数值越高表示性能越好。这些测试案例使用的批量大小为 128。由于 NVIDIA T4 卡具有 16 GB 内存，因此我们选择了具有 16 GB 内存的 V100 GPU，以便对性能进行公平比较。
图 2 不同图像分类模型上的推理性能
- 在使用 INT8 精度时，T4 比 P4 表现好，前者的性能大约是后者的 1.4 倍至 2.8 倍。尽管 T4 和 P4 之间的 CUDA 核心数量相似，但在采用 INT8 精度的情况下，每秒 Tera 运算次数 (TOPS) 增加，提高了 T4 的性能。
- 在使用 INT8 精度时，V100 比 T4 表现好，前者的性能大约是后者的 1.1 倍至 2.1 倍。当我们比较 T4 和 V100 的 FP16 精度时，V100 比 T4 表现好，前者的性能大约是后者的 3 倍至 4 倍，并且提升程度因数据集而异。这是 T4 卡的预期性能，T4 卡的 CUDA 核心数只是 Volta V100 的一半，T4 卡的功耗为 Volta V100 的三分之一，这些都使得 T4 成为极具吸引力的解决方案，适用于降低功耗为头等关键大事的应用场景。
- 比较 T4 的 INT8 和 FP32 精度，当我们使用 INT8 精度进行测试时，测得约 4.6 倍至 9.5 倍的加速。
多 GPU 推理性能
除了带来低延迟之外，系统中的多个 GPU 将能够同时处理多个推理作业，从而提供高吞吐量。 由于启动多个推理进程时 GPU 之间没有通信，因此预计会出现线性加速。此测试在 NVIDIA P40s 上进行，我们预计 T4 的多推理性能也会线性扩展。多 T4 推理测试计划作为此项目的未来工作进行开展。
精度测试
此部分比较了包括 INT8、FP16 和 FP32 在内的不同精度方法的精度。从图 2 中使用 TensorRT 的推理测试来看，在不同的图像识别模型中，INT8 比 FP32 快 4.5 到 9.5 倍。 目标是验证这种更快的性能不会以牺牲精度为代价。
我们的基准测试中使用了几个预先训练的模型，包括 AlexNet、GoogLeNet、ResNet-50、ResNet-101。用于此测试的二进制文件是 TensorRT 的一部分。所有模型都使用相同的验证数据集，这类数据集包含 50000 个图像，并划分为 2000 个批次，每批 25 个图像。前 50 批用于校准目的，其余用于精度测量。
第 1 名的精度是模型正确分类图像的概率。前 5 名的精度是模型将图像分类为前 5 个最高概率类别之一的概率。表 3 显示精度测试的结果。在 INT8 和 FP32 之间测得的精度损失在 0.5% 以内，而使用 INT8 精度可实现高达 9 倍的性能提升。
表 3 显示在不同图像分类模型上的精度测试：
| FP32 | INT8 | FP32 和 INT8 精度之间的差异 | ||||
|---|---|---|---|---|---|---|
| 网络 | 第 1 名 | 前 5 名 | 第 1 名 | 前 5 名 | 第 1 名 | 前 5 名 |
| AlexNet | 56.82% | 79.99% | 56.76% | 79.97% | 0.07% | 0.02% |
| GoogLeNet | 68.95% | 89.12% | 68.75% | 88.99% | 0.2% | 0.13% |
| Resnet_101 | 74.33% | 91.95% | 74.34% | 91.85% | -0.02% | 0.1% |
| Resnet_50 | 72.9% | 91.14% | 72.77% | 91.06% | 0.13% | 0.08% |
表 3：在不同图像分类模型上的精度测试
结论
此博客介绍 NVIDIA T4 推理卡，并描述在使用 T4、P4 和 V100 GPU 的情况下不同图像识别模型的推理性能。T4 卡的 PCIe 外形尺寸小巧且功耗低，使得其很容易用在 Dell EMC PowerEdge 系统中。比较新款 T4 和以前的 P4 的 INT8 精度，在 T4 上测得性能提高了 1.5 倍至 2.7 倍。精度测试表明 FP32、FP16 和 INT8 之间的差异很小，使用 INT8 精度时速度最多提高 9.5 倍。
免责声明：为了进行基准测试，对 Dell PowerEdge R740 中的四个 T4 GPU 进行了评估。当前，根据官方声明，PowerEdge R740 在 x16 PCIe 插槽中最多支持三个 T4