美國IBM研究院實現深度學習性能突破

　　 美國IBM研究院近日宣布，通過全新的分布式深度學習軟件，實現了接近理想的擴展能力，該軟件在64臺IBM Power系統服務器中的256個GPU上并行運行深度學習框架，實現了95%的擴展效率，并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人工智能研究院所取得的89%。

　　 深度學習是一種廣泛使用的人工智能方法，可以幫助計算機通過大量數據理解真實世界的圖像和聲音，并提取其中的含義。到目前為止，深度學習主要是在單一服務器上運行的，在不同計算機之間高速移動大量數據的協調過程太過復雜，因此大規模運行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研究團隊編寫了軟件和算法，能夠對在數十臺服務器中的數百個GPU加速器間并行運行非常龐大且復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%，而微軟此前發布的最好結果為29.8%。IBM的分布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神經網絡模型，而微軟訓練同一個模型需要花費10天時間。