微软为什么要用英伟达的GPU来支持CNTK?

今天下午,在北京举行的GTC CHINA 2016(GPU技术大会)中,英伟达深度学习研究院对CNTK中图像识别功能进行了简单介绍。

首先,我们来了解下CNTK。

CNTK(Computational Network Toolkit)是由微软研究院开发的开源计算网络工具包,它通过一个有向图对一系列的计算步骤进行描述,也是一个统一的深度学习神经网络工具包。

CNTK的总体架构如上图所示,这里我们可以简单地分几部分进行理解,分别是上中下和左中右两种理解逻辑。先说上中下部分,最下面的包含IDataReader这一层可以理解为基础的数据。

想象训练一个典当行的学徒鉴别古董的真假,你需要先拿一些真真假假的古董让他自己去领会,这个就是学习的过程,也是初始数据的输入过程。

学习的结果就是第二层包含CN的东西

可以理解为典当行学徒通过真真假假的古董所领悟到大脑的知识

最上面的IExecutionEngine

其实可以理解是这个典当行学徒的个人行为,顾客拿了一个古董,让其鉴别其真假,这就是最上层的作用或者是意思。

其次左中右部分,最左边是输入的原始数据,这里引入了CN Description也就是网络的描述

可以理解为典当行学徒的师傅给予的指导性意见或者是古董鉴别教科书

而Features&Labels中的Features就是样本或者古董,Labels可以理解是古董样本上标明真真假假的标签

中间的是ICNBuilder是学习的行为的驱使,IDataReader是仔细观察并且检验所学内容的行为的驱使。最右边的ILeaner是学习方法,CN之前解释过了是学习的成果,IExecutionEngine也就是最终拿来真正东西进行检验的行为。

可以说CNTK的总体架构,描述了一个典当行学徒的从入门到精通的学习过程。从样本训练自己,形成自己的能力,然后使用其所学。

根据研究人员的描述,由于具备更为优秀的交互能力,CNTK工具包中图像识别速度比另外四个当下主流的计算工具包都更加受开发者的欢迎。

在微软最新发布的CNTK1.7版本中,CNTK已经支持英伟达的最新的深度神经网络资料库cuDNN5.1。

其实在Facebook、百度等巨头的人工智能研究中,经常用到英伟达的GPU。

Facebook的Big Sur服务器是围绕本来为图片处理而开发的大功率处理器——GPU来设计的。每8个GPU就配置一台Big Sur服务器,Facebook使用的正是擅长于图像识别的英伟达制造的GPU。

百度将把英伟达的GPU应用到其无人驾驶系统的车载电脑中。这台电脑可以解决汽车厂商在融合无人驾驶技术时面临的一大问题:如何将人工智能技术集成到紧凑的电脑中,从而帮助汽车制定决策。除了为无人驾驶、以及深度学习的复杂计算提供强劲性能支持外,它还能够同时驱动多个高分辨率的显示设备,应用于智能汽车中的仪表盘、地图导航、车载中控面板等。

几乎所有巨头都在依靠强大的图形处理单元(GPUs)来进行深度学习应用,从而处理更为复杂的算法,能提高人工智能和识别能力,微软在此方面也不甘落后。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-09-13

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏量子位

Google开启全新图像目标检测大赛,场景多样性和复杂度史无前例

832
来自专栏量子位

20个令人惊叹的深度学习应用(Demo+Paper+Code)

唐旭 发自 RUC 量子位 报道 | 公众号 QbitAI 从计算机视觉到自然语言处理,在过去的几年里,深度学习技术被应用到了数以百计的实际问题中。诸多案例也已...

4849
来自专栏AI科技大本营的专栏

知乎全力挺进AI,算法大赛打响反击今日头条的第一枪?

作者 | 周翔 知乎和今日头条,你能想象两者有一天会一言不合就相互 diss 吗? 最近几天,知乎大V@恶魔奶爸的一条朋友圈成了今日头条旗下“悟空问答”和知乎之...

3109
来自专栏量子位

从此,激光雷达和摄像头,就是一个东西了?

最近几年,放在摄像头上的深度学习研究,发展很蓬勃。相比之下, 激光雷达 (LiDAR) 身上的学术进展并不太多。

1262
来自专栏人工智能

DeepMind的小窍门,究竟如何给AI提的速?

人工智能里一直以人类为学习榜样。而在面部识别、电子游戏、甚至围棋等领域,深度学习都已经超越了人类,以至于造成人类已经失败了的感觉。

19410
来自专栏量子位

快试试这个:一张自拍生成3D人脸!(Demo+Code+Paper)

问耕 编译整理 量子位 出品 | 公众号 QbitAI 讲真,你得试试这个,很好玩。 来自诺丁汉大学和金斯顿大学的一队AI专家,最近发了一个新的研究成果:使用机...

2755
来自专栏量子位

不戴眼镜听不清?Google用视觉信号分离语音 | 附论文

人类非常善于在嘈杂的环境中,集中注意力听某一个人说的话,从精神上“屏蔽”一切其他声音。这种现象便是“鸡尾酒会效应”,我们与生俱来。

742
来自专栏量子位

DeepMind智能体自学跑酷:略显智障,结果尚好

安妮 编译整理 量子位出品 | 公众号 QbitAI “看起来就像小学生在玩地狱边境。” 近日,谷歌DeepMind团队创造了一个自学跑酷的智能体,并且解锁了它...

3338
来自专栏新智元

机器学习经典 Python Machine Learning 作者:新书计划曝光,分享实战经验

【新智元导读】机器学习入门经典读物 Python Machine Learning 的作者 Sebastian Raschka昨天在Quaro回答提问,分享技术...

3698
来自专栏PaddlePaddle

实操|如何进阶深度学习工程师(下篇)

这里所定义的中阶选手,是深度学习理论基础扎实,实操方面尝试扩展深度学习更多应用场景的侠客。由此,从初阶→中阶,基本流程保持不变,变化的是每个步骤的深入程度。

1012

扫码关注云+社区