NVIDIA, Dünyada Benzersiz Performansları ile GPU’ lar öne çıkmaya devam ediyor.
Derin öğrenim alanındaki en parlak zekalar önümüzdeki hafta Zürih’teki Avrupa Bilgisayar Vizyon Konferansı’nda bir araya gelecek .
Ve onlar son ImageNet Büyük Ölçekli Görsel Tanıma Challenge sonuçları hakkında bilgilendirmeler yapacak.
Bilgisayarla görme ve makine öğrenimi için Dünya Kupası olarak bilinen meydan okuma, akademiden ve endüstriden ekipleri birbirine karşı kullanarak, zorlu derin öğrenme tabanlı nesne tanıma görevleriyle mücadele edecekler.
Kazanacaklar çok iyi biliyorlar ki, ImageNet ekiplerinin% 90’ı GPU’yu kullandı. Şimdi o takımlardan bazılarının gizli olmayan silahlarını nasıl kullandıkları hakkında konuşmalarının zamanı geldi.
Adobe’den, National University of Singapore’den ve Oxford Üniversitesi’nden ekipler, GPU hızlandırıcılarının, derin öğrenme algoritmalarının nesne tanıma doğruluğunu geliştirerek yarışmada yeni rekoru kırmalarına nasıl yardımcı olduklarını paylaşacaklar.
Bu, GPU’ların derin öğrenme dünyasını nasıl algıladıklarına dair bir örnek.
Derin Öğrenme İçin GPU’ ların Kabul Edilmesi
Dünyanın dört bir yanında derin öğrenen araştırmacılar ve işletmeler GPU hızlandırmaya akın ediyor. Yüz ve konuşma tanıma ve aşırı arama web arama özelliklerinden görüntü otomatik etiketleme ve kişiselleştirilmiş ürün satın alma önerilerine kadar çeşitli görevler üzerinde yoğunlaşıyorlar.
Bu alandaki öncüler Adobe, Baidu, Microsoft, Nuance, NYU, Oxford Üniversitesi, Stanford Üniversitesi, UC Berkeley ve Yandex’dir. Yalnız değiller. Nedeni: GPU hızlandırıcıları, derin öğrenme iş yüklerini eğitmek için mükemmel bir şekilde uygundur.
NVIDIA GPU’ ları, bilim insanlarının bilgisayarları çeşitli nesneleri nasıl algılayabileceği konusunda eğitmelerine yardımcı oluyor.
Derin öğrenme , makine öğrenme alanının en hızlı büyüyen bölümlerinden biridir. Büyük miktarda veri elden geçirerek kendilerini öğretmek için bilgisayarları eğitmeyi içerir. Örneğin, köpeklerin, güvercinlerin, çakalların, rakunların ve diğer hayvanların çok sayıda görüntüsünü analiz ederek bir köpeği tanımlamayı öğrenmek.
Ancak, derin öğrenme algoritmaları, dağ kadar tabir edilebilecek büyüklükteki verileri işlemek için muazzam miktarda bilgi işlem gücüne bağlı. Bu binlerce CPU tabanlı sunucuya ihtiyaç duyabilir, ancak bu pahalı, gerçekçi ve pratik değildir.
Ancak GPU’ lar için değil. Yüksek performanslı paralel işlemciler, geniş bir yelpazede görsel bilgisayar sorunları ile hızlı ve verimli bir şekilde sıkışıyor.
GPU’ larda derin öğrenme eğitim süreçleri daha az sayıda sunucu üzerinde daha hızlı çalışır. Bu, kullanıcıların yeni eğitim modellerini hızla geliştirip optimize etmelerine, sonuç olarak da yeni, oldukça doğru derin öğrenme uygulamaları oluşturmalarına yardımcı olur.
Yeni NVIDIA Yazılımı, Derin Öğrenme Yapay Zeka Teknolojisini Daha Hızlı ve Kolaylaştırıyor
NVIDIA ve University of California Berkeley, derin öğrenme öncülerinin çalışmalarını kolaylaştırmak için GPU hızlandırma gücünü dünyadaki birçok kişinin elinde tutuyor.
NVIDIA, geliştiricilerin GPU hızlandırmasının gücünü hızlı ve kolay bir şekilde kullanmasına yardımcı olan derin dinamik ağlar için güçlü bir CUDA tabanlı programlama kütüphanesi olan cuDNN’i geliştirdi ( cuDNN hakkında daha fazla bilgi için, bkz. ” Machined Learning for the cuDNN Derin Sinir Ağı Kütüphanesi “).
UC Berkeley araştırmacıları, dünyanın en popüler ve aktif olarak geliştirilmiş derin öğrenme çerçevelerinden biri olan ImageNet yarışmacılarının çoğunun çalışmalarında kullandıkları cuDNN’ yi Caffe’ ye entegre ettiler.
CuDNN ve GPU hızlandırmasıyla, Caffe kullanıcıları artık güçlü, daha doğru algoritmalar geliştirmek için yeni eğitim modelleri üzerinde hızla çalışabilirler.