IBM 深度學習模式效率驚人，一舉超越 Facebook 和微軟

8 月 8 日消息，一直以來，「深度學習」作為人工智慧的重要組成之一，因其具有與人腦相仿的工作原理，被微軟、Facebook、亞馬遜和谷歌這幾家科技巨頭關注。而IBM使用的深度學習系統消化數據所需要的時間已經從數天縮短至幾個小時。

IBM 研究所研究員和系統加速及記憶主管希拉里·亨特（Hillery Hunter）表示，這一效率的提升將有助於放射學家更快、更準確地找到病變部位，並讀取大量醫學圖像。

截至目前，深度學習主要是在單一伺服器上運行的，因為在不同計算機之間移動大量數據的過程過於複雜，而且，在大量不同的伺服器和處理器之間保持數據同步也是一大難點。

IBM 在今日宣布，已經開發出一款軟體夠將這些任務分配到 64 台伺服器。據悉，這些伺服器總搭載有 256 個處理器，這也就意味著在速度上取得明顯的提升。值得一提的是，凡是擁有 IBM Power 系統伺服器的用戶，或者其他想要測試的技術人員，都能享受這項技術。

IBM 採用 64 個自主開發的 Power 8 伺服器，並使用 NVLink 與特爾微處理器和英偉達圖形處理器相連接，促進兩種晶元之間的數據流傳輸。

亨特近一步表示，如果流量管理不當，一些處理器就會閑置。每個處理器都有自己的數據集，同時還需要來自其他處理器的數據，以獲得更大的圖像。如果處理器不同步，它們就學不到任何東西。

亨利想法是提高深度學習模式的速度，以此提高它的工作效率。例如，深度學習從一個帶有 8 個處理器的伺服器擴展到 64 個，每個伺服器有 8 個處理器，可以將性能提高 50-60 倍。

IBM 還稱，該系統通過由加州大學伯克利分校創建的「咖啡因」深度學習框架，在 256 個處理器之間實現了 95%的擴展效率，超越 Facebook 人工智慧研究公司創造的 89%擴展效率。

在圖像識別方面，IBM 系統使用「咖啡因」框架，7 個小時內識別了 750 萬張圖片，準確率達到了 33.8%，擊敗了微軟 29.8%的記錄。

IBM 表示，不僅是「咖啡因」框架，谷歌的 TensorFlow 框架也可以在這種新技術上運行。莫海德說，值得注意的是，IBM 在運用自己在高性能計算方面的專業知識的同時，還應用了 Tensorflow 和「咖啡因」這種外部資源，這種做法有助於提升該項目的深度學習能力。

本文 IBM 深度學習模式效率驚人，一舉超越 Facebook 和微軟來自動點科技.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！