IBM宣布深度學習取得了新的里程碑 處理時間更短更有效

8月8日消息，據國外媒體報道，IBM研究所已經在分散式深度學習(DDL)中取得了一個新的里程碑，在接近交易效率的情況下，構建了一種可通過上百個處理器擴展DDL的軟體。

深度學習技術是人工智慧(AI)的一個分支，可模仿人腦的工作原理。它也是微軟、Facebook、亞馬遜和谷歌的重大關注焦點。

IBM的這項研究解決了深度學習的主要挑戰之一:雖然大型神經網路和大型數據集有助於深度學習，但也會帶來更長的訓練時間。

培訓大規模、深度學習的人工智慧模型可能需要幾天或幾周的時間。

這個過程需要很長時間，因為擴展的處理器會相互通信。

事實上，隨著處理器的加速，情況變得更糟。更快的處理器可以學習得更快，但與傳統軟體一樣，它們之間的通信無法跟上。

IBM研究所的IBM研究員和系統加速及記憶主管Hillery Hunter在一篇博客文章中寫道:「基本上，更聰明、更快的處理器需要更好的交流方式，或者他們不同步，大部分時間都在等待對方的結果。」

「所以，如果沒有速度可能降低性能。」

新的DDL軟體解決了這個問題，它應該可以運行流行的開源代碼，比如Tensorflow、「咖啡因」、Torch和Chainer(而不是大量的神經網路和數據集)，性能和準確性都非常高。

IBM研究所演示了使用「咖啡因」框架，如何在64個IBM Power系統中通過256個處理器實現性能提升和95%的擴展效率。

之前的記錄是由Facebook人工智慧研究設定的，該研究在2月2日的訓練中實現了近90%的擴展效率。

此外，在這個新軟體中，IBM 研究所在一個750萬張圖片訓練的神經網路獲得了33.8%的新圖像識別精度，並在7小時內完成。微軟的紀錄是在10天內顯示了29.8%的準確性。

「精度提高4%是一個巨大的飛躍，過去的典型改善一直不到1%，」Hunter寫道。(yoyo)

編譯稿源：http://www.zdnet.com/article/ibm-research-achieves-new-milestone-in-deep-learning-performance/