Tensorflow Benchmark - HPCテクノロジーズ

Google社がディープラーニング向けに開発したフレームワーク「Tensorflow」について、ベンチマークテスト tf_cnn_benchmarks を継続的に実施しています。さまざまな構成による実機を用いて実行したテスト結果を公開していますので、それぞれの機械学習モデルに対するシステム性能を比較することができます。

ベンチマークの値(total images/sec)の大きいものが、性能が高いことを示します。

ベンチマーク結果抜粋

NVIDIA A100 Tensor Core 40GB

System : DGX A100
CPU : (2) Dual AMD Rome 7742 128 cores total, 2.25 GHz(base), 3.4 GHz (max boost)
Mem : 1TB
GPU : (8) NVIDIA A100 Tensor Core 40 GB
OS : DGX OS 5.0
Driver : 450.80.02 / CUDA : 11.2
Anaconda 4.9.2
tensorflow-gpu 2.4.1
Date : 2021-03

model	Batch Size	GPUs				Speed Up Ratio
		1	2	4	8	1gpu/1gpu	2gpu/1gpu	4gpu/1gpu	8gpu/1gpu
inception4	32	252	447	761	1224	1.0	1.8	3.0	4.9
inception4	64	286	539	978	1625	1.0	1.9	3.4	5.7
inception3	32	474	786	1321	2089	1.0	1.7	2.8	4.4
inception3	64	535	993	1826	3169	1.0	1.9	3.4	5.9
alexnet	32	4644	8798	16578	22505	1.0	1.9	3.6	4.8
alexnet	64	6537	12799	24830	39477	1.0	2.0	3.8	6.0
resnet50	32	678	1226	2121	3213	1.0	1.8	3.1	4.7
resnet50	64	786	1492	2726	4491	1.0	1.9	3.5	5.7
resnet50_v2	32	698	1249	2219	3462	1.0	1.8	3.2	5.0
resnet50_v2	64	805	1528	2819	4957	1.0	1.9	3.5	6.2
resnet101	32	414	724	1151	1701	1.0	1.8	2.8	4.1
resnet101	64	488	901	1596	2660	1.0	1.8	3.3	5.4
resnet101_v2	32	423	739	1200	1836	1.0	1.7	2.8	4.3
resnet101_v2	64	498	917	1638	2712	1.0	1.8	3.3	5.4
resnet152	32	279	486	781	1172	1.0	1.7	2.8	4.2
resnet152	64	340	627	1066	1831	1.0	1.8	3.1	5.4
resnet152_v2	32	295	502	820	1271	1.0	1.7	2.8	4.3
resnet152_v2	64	346	633	1115	1883	1.0	1.8	3.2	5.4
vgg16	32	566	1094	2172	3824	1.0	1.9	3.8	6.8
vgg16	64	609	1196	2343	4407	1.0	2.0	3.8	7.2
vgg19	32	480	955	1770	3055	1.0	2.0	3.7	6.4
vgg19	64	515	1021	1960	3640	1.0	2.0	3.8	7.1
trivial	32	34166	50915	83643	125229	1.0	1.5	2.4	3.7
trivial	64	57025	89881	152530	236302	1.0	1.6	2.7	4.1

NVIDIA A40

System : HPC-ProServer DPeR750XA
CPU : (2) Intel(R) Xeon(R) Gold 6326 CPU @ 2.90GHz
Mem : Total 512GB (16) 32GB DDR4 3200MHz
GPU : (4) NVIDIA A40
OS : Ubuntu 20.04
Driver : 510.47.03 / CUDA : 11.6
NGC Docker : 22.01-tf1-py3 , Tensorflow 1.15
Date : 2022-02

model	Batch Size	GPUs			Speed Up Ratio
		1	2	4	1gpu/1gpu	2gpu/1gpu	4gpu/1gpu
inception4	32	169	329	645	1.0	1.9	3.8
inception4	64	176	348	1161	1.0	2.0	6.6
inception3	32	316	594	1161	1.0	1.9	3.7
inception3	64	324	607	1273	1.0	1.9	3.9
alexnet	32	2241	4288	1921	1.0	1.9	0.9
alexnet	64	3077	6583	3972	1.0	2.1	1.3
resnet50	32	397	773	1476	1.0	1.9	3.7
resnet50	64	439	867	1663	1.0	2.0	3.8
resnet50_v2	32	404	793	1489	1.0	2.0	3.7
resnet50_v2	64	447	883	1715	1.0	2.0	3.8
resnet101	32	240	463	880	1.0	1.9	3.7
resnet101	64	265	519	1002	1.0	2.0	3.8
resnet101_v2	32	244	472	877	1.0	1.9	3.6
resnet101_v2	64	268	526	1040	1.0	2.0	3.9
resnet152	32	168	322	602	1.0	1.9	3.6
resnet152	64	184	355	705	1.0	1.9	3.8
resnet152_v2	32	169	325	623	1.0	1.9	3.7
resnet152_v2	64	185	362	716	1.0	2.0	3.9
vgg16	32	254	466	618	1.0	1.8	2.4
vgg16	64	273	517	900	1.0	1.9	3.3
vgg19	32	220	412	588	1.0	1.9	2.7
vgg19	64	234	455	761	1.0	1.9	3.2
trivial	32	28122	34912	16928	1.0	1.2	0.6
trivial	64	51270	70641	33871	1.0	1.4	0.7

NVIDIA RTX A4000

System : HPC-ProServer DPrR7920
CPU : (2) Intel(R) Xeon(R) Silver 4110 CPU @ 2.10GHz
Mem : Total 256GB (16) 16GB DDR4 2933MHz
GPU : (2) NVIDIA RTX A4000
OS : Ubuntu 20.04
Driver : 515.65.01 / CUDA : 11.7
NGC Docker : 22.09-tf1-py3 , Tensorflow 1.15
Date : 2022-10

model	Batch Size	GPUs		Speed Up Ratio
		1	2	1gpu/1gpu	2gpu/1gpu
inception4	32	108	209	1	1.94
inception4	64	111	221	1	1.99
inception3	32	206	386	1	1.88
inception3	64	213	408	1	1.91
alexnet	32	1483	1383	1	0.93
alexnet	64	1789	2530	1	1.41
resnet50	32	279	530	1	1.90
resnet50	64	297	580	1	1.95
resnet50_v2	32	283	535	1	1.89
resnet50_v2	64	304	590	1	1.94
resnet101	32	167	320	1	1.92
resnet101	64	179	351	1	1.96
resnet101_v2	32	170	324	1	1.91
resnet101_v2	64	182	358	1	1.96
resnet152	32	117	223	1	1.91
resnet152	64	126	248	1	1.96
resnet152_v2	32	118	227	1	1.92
resnet152_v2	64	128	250	1	1.96
vgg16	32	156	243	1	1.56
vgg16	64	164	294	1	1.79
vgg19	32	132	219	1	1.66
vgg19	64	138	250	1	1.81
trivial	32	15063	9285	1	0.62
trivial	64	26877	17236	1	0.64

NVIDIA GeForce RTX 3090

System : HPC-ProServer DPeT640
CPU : (2) Intel Xeon Gold 6226R 2.9GHz 16C/32T, 10.4GT/s, 22 M キャッシュ, ターボ, HT (150W)
Mem : 384GB (12) 32GB RDIMM, 2933MT/s, 2R
GPU : (2) NVIDIA GeForce 3090
OS : CentOS v7.9
Driver : 460.32.03 / CUDA : 11.2
Anaconda 4.9.2
tensorflow-gpu 2.4.1
Date : 2021-03

model	Batch Size	GPUs		Speed Up Ratio
		1	2	1gpu/1gpu	2gpu/1gpu
inception4	32	152	278	1	1.8
inception4	64	166	321	1	1.9
inception3	32	300	519	1	1.7
inception3	64	340	643	1	1.9
alexnet	32	2650	1068	1	0.4
alexnet	64	3705	1967	1	0.5
resnet50	32	440	774	1	1.8
resnet50	64	496	927	1	1.9
resnet50_v2	32	444	788	1	1.8
resnet50_v2	64	503	947	1	1.9
resnet101	32	241	380	1	1.6
resnet101	64	294	553	1	1.9
resnet101_v2	32	257	451	1	1.8
resnet101_v2	64	297	550	1	1.9
resnet152	32	173	306	1	1.8
resnet152	64	205	382	1	1.9
resnet152_v2	32	171	318	1	1.9
resnet152_v2	64	206	384	1	1.9
vgg16	32	294	326	1	1.1
vgg16	64	311	451	1	1.5
vgg19	32	252	307	1	1.2
vgg19	64	262	387	1	1.5
trivial	32	25999	9339	1	0.4
trivial	64	44249	18098	1	0.4