22
IBM 公司在 21 世纪早期引进了 Watson，从而进入了人工智能现在的周期，并且从那时候开始在不断加大力度。最近，IBM 发布了 PowerAI，IBM 的软件工具包解决方案与 OpenPower 系统配合使用，针对那些不想完全从头开始开发自己的 AI 解决方案，但是仍然希望定制满足自己特定深度学习需求的企业。如今，IBM Research 公布了一项新突破，这将只会进一步加强 PowerAI 和其它的 AI 产品，这是一个在过去六个月中我所看到的突破性的分布式深度学习软件。
摆脱单点瓶颈
所有一直关注人工智能的人都知道，深度学习在近几年才真正发展起来。它为商业领域和消费者的百个应用程序提供支持，并且在持续增加。然而，阻碍深度学习进一步激增的最大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，而不是多个系统的组合。最流行的开源深度学习软件框架在多个服务器上表现不佳，造成了一个耗时的瓶颈。换句话说，尽管许多数据科学家已经可以访问 4 到 8 个 GPU 服务器，他们不能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。
输入 IBM DDL 库：这个库使用 IBM Research 的独特集群方式构建，连接到领先的开源 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—一种旧的昼夜不同的处理模型。为了描绘一张照片，当 IBM 最初试图用 ImageNet-22K 数据集来训练一个模型时，使用 ResNet-101 模型，在一台 Power “Minsky” 服务器上，加上 4 台英伟达 P100 GPU 加速器，花费 16 天。16 天的训练意味着大大延迟了洞察力，以及严重阻碍生产力。
IBM 称 DDL 为“深度学习的喷气式引擎”—一个吸引人的名字，确实不太离谱。IBM 表示，使用 DDL 技术，能够在 64 台 Power “Minsky”服务器上，一共 256 个英伟达的 P100GPU，将相同的流程缩减到 7 个小时。让我重申一下：16 天缩减到 7 个小时。如果这些结果精确的话，那么为什么 IBM 认为它可以真正的改变游戏规则？在 7 个小时内，IBM 的新的图像识别准确度 33.8%的记录，超过了微软在业界创立的 10 天精确度 29.9%的记录。为了完成这一切，IBM 表示，DDL 可以高效扩展，上升到 256 个 GPU，Caffe 深度学习框架的效率提升到 95%。
测试版已经上线
开发者不用非要等到尝试这项新技术。IBM research 正在为 IBM 系统提供一个 DDL 测试版，IBM 系统现在已经发布了新版本 IBM PowerAI (TensorFlow 和 Caffe, Torch 和 Chainer 即将推出)的第四个版本。我认为这将是 IBM 电源系统的一个重要的补充，他被称作“瑞士军刀加速器”—标准 PCI Express、CAPI 和 NVLink 标准，都被封装在一个平台上。
关于 DDL，另外一个需要特别注意的是，它将不仅可以在本地使用，还可以在云端使用—通过云端服务商 Nimbix 提供。今天的异构环境，灵活性是显而易见的。开发者能够在 Nimbix 者在 IBM Power 系统服务器上，使用测试版本。
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，这样更大更响亮的 AI 组件支持者。看起来，IBM 能够继续携“第一”到桌面上，IBM 不仅是企业领的主要参与者，还在深度学习领域也是。DDL 和 OpenPOWER 是秘密资源—我相信未来将给 IBM 所需要的结果—大大缩短训练时间，提高精确度和效率。我认为消除了瓶颈，DDL 有潜力去实现打开深度学习的门闸。这对 IBM、PowerAI 和 OpenPOWER 是真正改变游戏规则。
与非网编译内容，未经允许，不得转载！
下载ECAD模型
