机械进修

 

产业与学术界的数据科学家已将 GPU 用于机械进修以便在各类应用上实现开创性的改良,这些使用包罗图象分类、视频阐发、语音辨认以及自然语言处置等等。 尤其是深度进修,人们在这一领域中一直停止鼎力投资和研讨。深度进修是操纵庞大的多级「深度」神经网络来打造一些系统,这些系统可以从海量的未标识表记标帜锻炼数 据中停止特性检测。 

 

固然机械进修曾经无数十年的汗青,可是两个较为新近的趋向增进了机械进修的普遍使用: 海量锻炼数据的呈现以及 GPU 计算所供给的壮大而高效的并行计较。  人们操纵 GPU 来锻炼这些深度神经网络,所利用的锻炼集大很多,所消耗的工夫大幅收缩,占用的数据中心基础设施也少很多。  GPU 还被用于运转这些机械进修锻炼模子,以便在云端停止分类和猜测,从而在消耗功率更低、占用基础设施更少的状况下可以撑持远比畴前更大的数据量和吞吐量。

 

将 GPU 加速器用于机械进修的晚期用户包罗诸多范围的网络和交际媒体公司,另外还有数据科学和机械进修领域中一流的研讨机构。 与纯真利用 CPU 的做法比拟,GPU 具有数以千计的计较焦点、可实现 10-100 倍使用吞吐量,因而 GPU 曾经成为数据科学家处置大数据的处理器。

 

澳门金沙网站

990.com

"借助 GPU,预先录制的语音或多媒体内容的转录速度可以大幅提拔。 与 CPU 软件比拟,我们施行辨认使命的速度可提拔 33 倍。"
Ian Lane 传授, 卡耐基梅隆大学