a级大胆欧美人体大胆666-男男gay啪啪网站18禁-激情内射日本一区二区三区-小妖精跪趴你好湿好紧好浪

新聞 動態(tài) ·
News Center
關(guān)注我們 關(guān)注前沿

支撐高精度人工智能,富士通開發(fā)出世界最高速深度學(xué)習(xí)技術(shù)

發(fā)表日期:2017-01-19        文章編輯:管理員         閱讀次數(shù):

2017年伊始,基于人工智能(AI)的棋手Master在網(wǎng)絡(luò)快棋比賽中連續(xù)擊敗圍棋界的所有頂尖高手,豪取60連勝,人類棋手在人工智能面前毫無還手之力。微信君預(yù)測,人工智能依然會在2017年科技熱詞中占據(jù)一席之地。近年來,包括深度學(xué)習(xí)(Deep Learning)機(jī)器學(xué)習(xí)(Machine Learning)在內(nèi)的技術(shù)以一種前所未有的力量改變著我們的科技和生活,創(chuàng)造著一個又一個新的記錄。

 

基于多層神經(jīng)網(wǎng)絡(luò)的海量數(shù)據(jù)深度學(xué)習(xí)

人工神經(jīng)網(wǎng)絡(luò)(注1)利用海量數(shù)據(jù)進(jìn)行反復(fù)多次的學(xué)習(xí),并通過這一方法來提高識別與分類的精度。近年來,人工神經(jīng)網(wǎng)絡(luò)的研究得到長足發(fā)展,特別是在圖像識別、文字識別以及聲音識別方面,人工智能的精確度已經(jīng)超越了人類。

深度學(xué)習(xí)通過處理海量數(shù)據(jù)來提升精度,因此,在處理速度上比傳統(tǒng)CPU更具優(yōu)勢的GPU(注2)得到了廣泛的應(yīng)用。特別是近年來,神經(jīng)網(wǎng)絡(luò)多層化的趨勢得到了大規(guī)模發(fā)展,海量數(shù)據(jù)學(xué)習(xí)需要耗費(fèi)大量時間,利用多個GPU并行處理,實(shí)現(xiàn)高速化的技術(shù)受到了越來越多的關(guān)注。

一臺計(jì)算機(jī)搭載的GPU數(shù)量有限,因此可以利用高速網(wǎng)絡(luò)實(shí)現(xiàn)多個計(jì)算機(jī)的GPU互連,在進(jìn)行數(shù)據(jù)共享的同時推進(jìn)機(jī)器學(xué)習(xí)處理。然而,由于數(shù)據(jù)共享的復(fù)雜性以及計(jì)算機(jī)互連需要額外的通信時間,并行處理的運(yùn)算速度會受到影響。此外,GPU上搭載的內(nèi)存量通常較小。這些都成為限制神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)高速學(xué)習(xí)的課題。

(注1)它是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征,進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度,通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系,從而達(dá)到處理信息的目的。

(注2)圖形處理器(英語:Graphics Processing Unit,縮寫:GPU),是一種專門在個人電腦、工作站、游戲機(jī)和一些移動設(shè)備(如平板電腦、智能手機(jī)等)上進(jìn)行圖像運(yùn)算工作的微處理器。

 

推進(jìn)深度學(xué)習(xí)的高速化與規(guī)?;?/strong>

為了解決上述課題,富士通研究所開發(fā)了兩項(xiàng)創(chuàng)新技術(shù):

 

深度學(xué)習(xí)高速化處理技術(shù)

該技術(shù)能夠自動控制數(shù)據(jù)傳輸?shù)膬?yōu)先順序,使得下一步學(xué)習(xí)處理所需要的數(shù)據(jù)能夠事先進(jìn)行共享。采用富士通開發(fā)的數(shù)據(jù)處理技術(shù),在第二階段開始之前,就啟動第一層的數(shù)據(jù)共享處理任務(wù),使得開啟第二階段的等待時間得到了大幅縮減。對比如下圖:

針對計(jì)算機(jī)共享的處理結(jié)果,當(dāng)原始數(shù)據(jù)較小時,每臺計(jì)算機(jī)共享數(shù)據(jù)然后進(jìn)行相同的操作,消除了結(jié)果傳輸所需的時間;當(dāng)原始數(shù)據(jù)較大時,處理任務(wù)會分配到各個節(jié)點(diǎn),處理結(jié)果也會在每臺計(jì)算機(jī)間進(jìn)行共享。通過基于數(shù)據(jù)量來自動分配最佳的操作方法,該技術(shù)能夠最大限度地減少總體操作時間,如下圖:

 

GPU內(nèi)存效率化技術(shù)

富士通研究所開發(fā)的這項(xiàng)技術(shù),能夠提升內(nèi)存使用效率,利用一臺GPU的計(jì)算能力來擴(kuò)大神經(jīng)網(wǎng)絡(luò)規(guī)模,避免了使用并行方法導(dǎo)致的學(xué)習(xí)速度降低問題。通過內(nèi)存資源的重復(fù)利用,該技術(shù)能夠降低內(nèi)存用量。當(dāng)啟動學(xué)習(xí)時,神經(jīng)網(wǎng)絡(luò)中每一層的結(jié)構(gòu)都將進(jìn)行分析,并相應(yīng)調(diào)整運(yùn)算順序,以便分配內(nèi)存空間給更大的數(shù)據(jù)處理任務(wù),整體的內(nèi)存使用量也將得到降低。如下圖:

 

實(shí)現(xiàn)世界最快的學(xué)習(xí)速度!

富士通研究所開發(fā)的這兩項(xiàng)技術(shù)已經(jīng)部署在Caffe 深度學(xué)習(xí)框架當(dāng)中,并在擁有64個GPU的計(jì)算機(jī)上使用AlexNet對學(xué)習(xí)時間進(jìn)行了測試,其運(yùn)行結(jié)果比單一GPU的運(yùn)行速度快了27倍。與此前的技術(shù)相比,它的運(yùn)行速度比16個GPU的配置快了46%,比64個GPU的配置快了71%

 

 

利用這一技術(shù),深度學(xué)習(xí)研發(fā)所需要的時間將極大縮減,例如機(jī)器人自主控制的神經(jīng)網(wǎng)絡(luò)模型開發(fā)。該技術(shù)還能夠運(yùn)用在汽車、醫(yī)療以及金融等各行各業(yè),包括無人駕駛、病理分析以及股票價格預(yù)測模型開發(fā)等諸多應(yīng)用領(lǐng)域。

富士通研究所的這兩項(xiàng)技術(shù)將作為人工智能平臺Human Centric AI Zinrai的一部分,預(yù)計(jì)在今年4月正式投入使用。今后,富士通還將為進(jìn)一步提高人工智能學(xué)習(xí)速度而不斷開發(fā)創(chuàng)新的技術(shù)。

 

文章摘自富士通中國

 

歡迎聯(lián)系寶通集團(tuán)咨詢富士通產(chǎn)品信息

寶通集團(tuán)聯(lián)系方式

咨詢熱線:400-830-0107

寶通官網(wǎng):m.bjshst.cn

客戶垂詢郵箱:Customer@ex-channel.com

客戶垂詢QQ:1305742380

地址:深圳市福田區(qū)深南大道1006號國際創(chuàng)新中心C座11樓

郵編:518026

 

 

[!--page.stats—]