IBM通过深入的学习进步打破了记录

软件巨头IBM凭借公司最新的深度学习进步创造了新纪录。

IBM凭借Watson及其深度学习能力，已经巩固了其作为AI领导者的地位。深度学习是AI的一个子集，模仿人类的大脑，因此是研究人员关注的焦点。

包括微软，Facebook，亚马逊和谷歌在内的公司在深度学习方面取得了进步，但IBM可能是最具开创性的。今天的深度学习系统可能需要数天时间来分析数据，但IBM已设法将其减少到几个小时。

IBM通过克服深度学习系统的核心障碍实现了这一目标。由于涉及的数据量和保持全部同步的难度，大多数当前项目都在单个服务器上运行。然而，IBM开发的新软件声称可以在运行多达256个处理器的64台服务器之间分离深度学习任务。

这适用于使用IBM Power System服务器的客户或任何对测试其功能感兴趣的人员。在测试中，IBM使用了64台Power 8服务器，这些服务器采用英特尔微处理器和与NVLink连接相连的NVIDIA GPU。该配置允许芯片之间的快速数据流。

使用这种方法，IBM声称在当今通常使用的单个服务器上，性能可提升50-60倍。但是，它需要一些复杂的工作来充分利用额外的服务器和处理能力。

管理流量是确保所有处理器正常工作而不是闲置的主要优先事项。每个处理器都有一个可以处理的数据集，但也需要来自其他处理器的数据才能理解完整的图像。优化流量管理是实现最高性能水平的持续过程。

破纪录的

在理想情况下，添加的每个处理器都会使性能提高100%，但这是不现实的。IBM声称其系统在256个处理器上实现了95%，这令人印象深刻并创下了新记录。之前的记录由Facebook持有，达到89%。

这并不是IBM声称在最新进展中破产的唯一记录。对于图像识别，IBM表示它在7小时内分析了750万张图像的准确率为33.8%。此前的记录由微软持有，准确率为29.8%，这项工作需要10天才能完成。