美國IBM研究院實現深度學習性能突破

中國網9月19日訊 據科技部消息，美國IBM研究院近日宣佈，通過全新的分佈式深度學習軟體，實現了接近理想的擴展能力，該軟體在64台IBM Power系統伺服器中的256個GPU上並行運作深度學習框架，實現了95%的擴展效率，並使運算速度與準確率得到了顯著提升。此前最佳的系統擴展能力是Facebook人工智慧研究院所取得的89%。

深度學習是一種廣泛使用的人工智慧方法，可以幫助電腦通過大量數據理解真實世界的圖像和聲音，並提取其中的含義。到目前為止，深度學習主要是在單一伺服器上運作的，在不同電腦之間高速移動大量數據的協調過程太過複雜，因此大規模運作深度學習模型在技術上面臨著困難，訓練時間通常要持續數天甚至數周。

IBM研究團隊編寫了軟體和演算法，能夠對在數十台伺服器中的數百個GPU加速器間並行運作非常龐大且複雜的計算任務和自動優化。在使用ImageNet-22k數據集的750萬張圖像訓練模型時，圖像識別準確率史無前例地達到了33.8%，而微軟此前發佈的最好結果為29.8%。IBM的分佈式深度學習技術不僅提高了準確率，還能大幅縮短運算時間，可在7小時內訓練一個ResNet-101神經網路模型，而微軟訓練同一個模型需要花費10天時間。