你好,游客 登录 注册 发布搜索
背景:
阅读新闻

深度学习领域迎来爆发,未来之路将如何走?

[日期:2016-12-16] 来源:百度百家  作者: [字体: ]

  

\

 

  2016年12月13日,AMD推出了Vega10核心的首款产品——MI25,根据相关负责人的介绍,该加速卡主打深度学习。之前,NVIDIA发布了服务深度学习应用的TelsaP100,并将公司转型成AI计算公司。Intel宣称,将在2017年发布为深度学习优化的XeonPhi加速卡。

  三大巨头纷纷发布面向深度学习领域的加速卡,标志着深度学习作为人工智能的重要分支,已经渗入到底层硬件领域,深度学习时代即将全面到来。那么,深度学习的未来之路在哪里,又将如何发展呢?

  硬件设施的改进

  深度学习的算法复杂,数据计算量极大,在革命性架构出现以前,深度学习的发展主要依靠加速卡、GPU等硬件的改进。随着半导体制程工艺的进步,集成度和硬件堆栈将不断提升。Intel的第三代XeonPhi加速卡上,将采用10nm工艺,某些制造商还将在2017年初开始7nm工艺的投资工作。2015年,美光和Intel合作推出了3DXPoint技术,改变了芯片的平面结构,大大提升了性能,目前该技术已经投入到量产。

  除了硬件的工艺将得到提升外,硬件的组合和集成度对深度学习的各项性能具有重要影响。例如,深度学习从过去基于模型发展到基于数据统计,主要得益于GPU的并行结构,未来很长一段时间内,这仍是厂商的发展方向。2016年4月,浪潮发布了深度学习服务器NX5460M4,该服务器在12U空间里支持16片GPU加速卡。

  算法架构的优化

  目前,深度学习系统主要依靠循环神经网络(RNN)、LSTM和卷积神经网络(CNN)三种模型,其中,RNN和LSTM的递归设置和嵌套记忆节点与CNN相比拥有诸多局限性。未来,CNN将成为深度学习领域的主流,并不断得到改进。

  清华大学毕业生贾扬清设计出了目前为止最快的CNN架构——Caffe,大大改善传统CNN方法的耗时问题。2016年4月,浪潮采用MPI并行编程对Caffe进行数据优化,设计出了Caffe-MPI计算框架,该框架在4节点下16卡的性能是单卡的14倍。

  应用生态的完善

  一切技术都是人的延伸,产品的根本最终都要通过各种应用服务于人。如何发挥深度学习系统的功能,在云、大数据、金融、能源、自动驾驶等领域充分应用深度学习,将是永恒的话题。目前,深度学习在提升图像识别、语音识别、天气预测、内容推荐等服务水平方面已经得到了初步应用,生态建设已初见成效。

  京东的深度学习平台围绕电商和金融领域,为精准广告、物流仓储等环节提供了更好的支撑。腾讯的Mariana深度学习平台已经在语音输入法、长按语音消息转文本、微信图像识别中开始应用,大大方便了我们的社交生活。亚马逊在西雅图开设的AmazonGo,基于深度学习系统,模仿大脑检测购买行为,颠覆了超市购物体验。

  综合来看,随着硬件设施、算法架构的完善和改进,在深度学习基础上搭建起来的应用生态将更加完善,深度学习将逐步改变我们的日常生活,为我们带来全新的体验和极大的便利。

收藏 推荐 打印 | 录入:admin | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款