[关闭]
@SmashStack 2017-03-15T11:18:09.000000Z 字数 2579 阅读 62

NVIDIA 人工智能与深度学习简报

Chore


深度学习简介

深度学习人工智能(AI)中发展迅速的领域之一,可帮助计算机理解大量图像、声音和文本形式的数据。利用多层次的神经网络,现在的计算机能像人类一样观察、学习复杂的情况,并做出相应的反应,有时甚至比人类做得还好。

NVIDIA 致力于提供这样一种截然不同的方式,用于思考数据、技术以及人类所提供的产品和服务。

image_1bb8p0g4peuv1j3ojm12nk1cvi9.png-26.9kB

Machine Learning in GPU

海量训练数据的出现以及 GPU 计算所提供的强大而高效的并行计算导致了人们将这两个看似不同的两个领域进行了交融。

人们利用 GPU 来训练这些深度神经网络,所使用的训练集大得多,所耗费的时间大幅缩短,占用的数据中心基础设施也少得多。 GPU 还被用于运行这些机器学习训练模型,以便在云端进行分类和预测,从而在耗费功率更低、占用基础设施更少的情况下能够支持远比从前更大的数据量和吞吐量。

将 GPU 加速器用于机器学习的早期用户包括诸多规模的网络和社交媒体公司,另外还有数据科学和机器学习领域中一流的研究机构。 与单纯使用 CPU 的做法相比,GPU 具有数以千计的计算核心、可实现 10-100 倍应用吞吐量,因此 GPU 已经成为数据科学家处理大数据的处理器。

image_1bb8ptafmqbvicg6761aohbh61g.png-48.7kB

NVIDIA 的深度学习优势

NVIDIA 是加速深度学习发展方面的先行者,多年来一直致力于开发深度学习软件、库和工具。为训练诸如图像、笔迹和声音识别等颇具挑战的应用程序并加快训练速度,目前的深度学习解决方案几乎完全依赖 NVIDIA GPU 加速计算。采用 NVIDIA GPU 的深度学习系统具有以下优势:

  1. 加速的 DNN 和训练性能
    NVIDIA GPU 特别擅长处理并行工作负载,可让网络提速 10-20 倍,从而将各个数据训练迭代周期从几个星期缩短为几天。实际上,GPU 在仅仅三年内便将深度神经网络 (DNN) 的训练速度提高了 50 倍(这一速度远远超过摩尔定律),预计未来几年还将再提高 10 倍。

  2. 快速的人工智能应用程序开发
    人工智能正以极快的速度进行创新。今天,计算机不仅是在学习,而且是在独立思考。这为机器人、医学和自动驾驶汽车等应用程序领域提供了好时机。您可以快速设计和部署深度学习应用程序,以利用这些不可思议的突破性技术。

    image_1bb8ph24re91hr9pcrgbm105813.png-240.6kB

NVIDIA is the main player in the GPU accelerated AI market

相关报告来自于此市场调研Machine Learning in Business Use Cases

CUDA 可编程并行计算平台

DIGITS 开源 GPU 训练系统

Nvidia has also launched DIGITS, an open source Interactive deep learning GPU Training System, which is a complete system aimed at data scientists and others, without having to write code. Its features include:

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注