本文摘要：IBM公司在21世纪早期引入了Watson，从而转入了人工智能现在的周期，并且从那时候开始在大大加大力度。

IBM公司在21世纪早期引入了Watson，从而转入了人工智能现在的周期，并且从那时候开始在大大加大力度。最近，IBM公布了PowerAI，IBM的软件工具包在解决方案与OpenPower系统因应用于，针对那些想几乎从头开始研发自己的AI解决方案，但是依然期望自定义符合自己特定深度自学市场需求的企业。如今，IBMResearch发布了一项新的突破，这将只不会更进一步强化PowerAI和其它的AI产品，这是一个在过去六个月中我所看见的突破性的分布式深度自学软件。

挣脱单点瓶颈所有仍然注目人工智能的人都告诉，深度自学在近几年才确实发展一起。它为商业领域和消费者的百个应用程序获取反对，并且在持续减少。然而，妨碍深度自学更进一步剧增的仅次于问题之一是可扩展性问题。现在大多数AI服务器只是一个单一的系统，而不是多个系统的人组。

最风行的开源深度自学软件框架在多个服务器上展现出不欠佳，造成了一个耗时的瓶颈。换句话说，尽管许多数据科学家早已可以采访4到8个GPU服务器，他们无法利用它扩展到单个节点之外，到目前为止，这个软件并不是为此而设计的。

输出IBMDDL库：这个库用于IBMResearch的独有集群方式建构，相连到领先的开源AI框架（如：TensorFlow，Caffee，Torch，和Chainer）。通过DDL，这些框架能扩展到数十台IBM服务器，利用数百个GPU—一种原有的昼夜有所不同的处置模型。为了刻画一张照片，当IBM最初试图用ImageNet－22K数据集来训练一个模型时，用于ResNet－101模型，在一台Power“Minsky”服务器上，再加4台英伟达P100GPU加速器，花费16天。

16天的训练意味著大大延后了洞察力，以及相当严重妨碍生产力。IBM称之为DDL为“深度自学的喷气式引擎”—一个更有人的名字，显然不过于离谱。IBM回应，用于DDL技术，需要在64台Power“Minsky”服务器上，一共256个英伟达的P100GPU，将完全相同的流程缩减到7个小时。让我申明一下：16天缩减到7个小时。

如果这些结果准确的话，那么为什么IBM指出它可以确实的转变游戏规则？在7个小时内，IBM的新的图像识别准确度33．8％的记录，多达了微软公司在业界创办的10天精确度29．9％的记录。为了已完成这一切，IBM回应，DDL可以高效拓展，下降到256个GPU，Caffe深度自学框架的效率提高到95％。正式版早已上线开发者不必非要等到尝试这项新技术。

IBMresearch正在为IBM系统获取一个DDL正式版，IBM系统现在早已公布了新版本IBMPowerAI（TensorFlow和Caffe，Torch和Chainer将要发售）的第四个版本。我指出这将是IBM电源系统的一个最重要的补足，他被称作“瑞士军刀加速器”—标准PCIExpress、CAPI和NVLink标准，都被PCB在一个平台上。

关于DDL，另外一个必须特别注意的是，它将不仅可以在本地用于，还可以在云端用于—通过云端服务商Nimbix获取。2020-03-30 的异构环境，灵活性是显而易见的。开发者需要在Nimbix者在IBMPower系统服务器上，用于测试版本。总结很有意思的事情是，这项新技术是来自于IBM，而不是其它如谷歌或者Facebook，这样更大更加悦耳的AI组件支持者。

看上去，IBM需要之后携同“第一”到桌面上，IBM不仅是企业领有的主要参与者，还在深度自学领域也是。DDL和OpenPOWER是秘密资源—我坚信未来将给IBM所必须的结果—大大缩短训练时间，提升精确度和效率。我指出避免了瓶颈，DDL有潜力去构建关上深度自学的门闸。这对IBM、PowerAI和OpenPOWER是确实转变游戏规则。

本文关键词：雷火·竞技,雷火电竞,亚洲电竞先驱,雷火亚洲电竞平台官网

本文来源：雷火·竞技-www.vc-jobhunting.com