IBM:最新突破将大幅提升深度学习速度|lol比赛投注

lol比赛投注

近年来,处理器技术发生了很大的变化,一个像u盘一样大的设备现在可以用作神经网络来获取能量。然而,由于在实现大规模人工智能的过程中没有明显的挑战,企业通常很难充分发挥其计算能力。这个问题和可扩展性有关。

周二,IBM宣布了一个名为分布式电子学习(DDL)的软件库来解决这个问题。深度自学是机器学习的一个子集,旨在教会计算机以与人类完全相同的方式进行自学。例如,人们可以通过描述它有四条腿、一个鼻子和一条尾巴来判断这种生物是狗。

一旦人们告诉狗它们长什么样,它们就不会永远与猫区分开来。深度自学试图在软件中复制这种方法。大部分深度自学习框架反对跨多台服务器扩展大规模模型的能力,现在也有很多人反对GPU,但是实时收集和分析结果的方式远远不够,IBM研究部主任HilleryHunter回应。

官方网站

记录性能在一次内部测试中,IBM在一个拥有数百个GPU的集群上部署了DDL,并专注于发送和处理来自一个热门研究数据的750万幅图像,并将它们分成22000个类别中的一个或多个。经过7个小时的训练,该模型能够准确识别33.8%的对象,覆盖了之前微软经过10天训练刷新的29.8%的记录。如果说4%的提升不足为奇,整体成功率还是比较低的话,这是因为这个模型远比现实中遇到的那个简单,人工智能副总裁苏米特古普塔(SumitGupta)回应了IBM的高性能计算。

所以改善是循序渐进的,他认为微软之前的记录只比上一次好0.8%。这个基准测试的目的是特别强调深度自主学习软件,从而证明研究人员确实构建了更好的模型。DDL在训练人工智能研发过程中特别简单,是整个项目生命周期中最长的闲置时间之一。

有时,模型需要几周甚至几个月的时间来处理样本数据,以便在生产中准确使用。IBM表示,在某些情况下,IBM的软件库可以将这个过程延长到几个小时。“如果你要训练一个模特16天来识别一张新的信用卡,那么这16天你就是在赔钱。

”深入自学在医学场景中也很简单,比如组织分析,关于生死的长期训练。此外,还有其他好处。如果一个深度的自学习模型可以在几个小时而不是几周内训练出来,那么企业的人工智能基础设施就可以释放出来,让其他项目和其他工作更慢地完成。IBM还展示了如何使用DDL来构建95%的扩展效率,而Facebook在以前的测试中记录了89%。

两种测试都用于相同的样本数据。IBM回应称,DDL帮助公司培训他们的模型,并建立由于时间原因而无法建立的速度和范围。
它将DDL软件库与所有主流深度自学框架连接起来,包括TensorFlow、Caffee、Chainer、Torch和Anano,所有这些都在一个开源许可下。

IBM也把这个软件库带入了自己的PowerAI深度自学Total Suite平台,有免费版和付费企业版两个版本,也在MinbixMinskyPowerCloud上。古普塔回应道:“我们会通过PowerAI带给大家。_lol比赛投注。

本文来源:lol比赛投注-www.5mgpropeciauk.com

相关文章