像梵高一樣作畫

昨天推送的《《三體》里的超級計算機，我們今天能造出來嗎？》一文中，我們在文末留了一個彩蛋，很多網友來問，這不是梵高的《星空》么？跟異構計算有什麼關係？

這一切還要從這幅畫說起。

1890年7月29日，梵高在一片麥田裡結束了自己的年僅37歲的生命，他給全世界留下《星夜》、《向日葵》與《有烏鴉的麥田》這些偉大的作品。特別當看到《星夜》中像焰火一樣閃亮的星星時，你是否感受到了他對繪畫火焰般的熱情。

梵高曾寫道：「我常想，要是我能夠多花些時間來畫真正的風景畫，那該多好！我經常看到各種奇景，使我不由自主地說：我在畫上從來沒有見過這麼好的風景。」這是大師和後世共同的遺憾。

而隨著技術的發展，到了今天，我們也能夠創造出和梵高風格近似的藝術作品。具體來說，就是利用深度學習，將梵高的風格從他的作品中提取出來，並賦予到我們現有的圖片中，就可以「繪」出一副梵高風格的藝術品。

Github上有款叫neural-style的TensorFlow（分散式機器學習框架），它基於強大的深度神經網路（VGG19）來對圖片進行處理，可將我們隨手拍的照片轉化成《星空》風格的圖片：

然而，部署和運行這個演算法可不簡單，它至少需要：

·深度學習本身需要大規模的并行矩陣計算，但我們不想要花費幾天、幾個星期，甚至幾個月來等待結果；

·安裝CUDA、Cudnn、Bazel、TensorFlow及其依賴neural-stlye這些工具和庫的複雜度，裝過的寶寶心裡都苦；

·作為深度學習實驗環境相對於其它系統，更為脆弱，而參數、配置和依賴庫的變化，都會導致系統停止工作，重複的環境搭建不可避免。

針對上面這些問題，阿里雲異構計算給出了答案：利用GPU、FPGA等異構計算加速深度學習運算過程，簡化應用部署，配合阿里雲的Docker技術僅需6步就可以搭建一個《星空》風格的繪畫demo，一張街景僅需幾秒即可變身為抽象藝術。

其實，抽象藝術作畫只是阿里雲異構計算能力的冰山一角，隨著深度學習對人工智慧的巨大推動，其構建的多層神經網路模型的參數空間比過去提升了數百倍，傳統依賴CPU的通用計算模型已無法滿足。

面對這些挑戰，阿里雲採用了更高效的異構計算模型，從基礎設施到部署環境全面升級，可有效提升矩陣運算、視頻識別、機器學習、搜索排序等處理計算效率。

9月12日下午14:00，我們將為您全面揭曉阿里雲異構計算的家族全貌，雲棲社區將全程直播，敬請期待。