动态丨英特尔开源BigDL,可直接在Spark框架下运行深度学习

近日,英特尔开源了基于 Apache Spark 框架的分布式深度学习库 BigDL。通过使用BigDL,用户可以将他们的深度学习应用程序作为标准的 Spark 程序发布(即将基于BigDL的深度学习代码直接嵌入已有的Spark程序中),同时,BigDL还简化了基于Hadoop框架的数据加载过程。

据团队在GitHub平台上的介绍,BigDL具有如下三大特点:

1. 丰富的深度学习支持

BigDL的源代码基于Scala语言实现,同时从Torch框架中汲取了诸多先进的理念。比如像Torch一样,BigDL也为用户实现了一个Tensor类,该类基于英特尔MKL库实现,可以进行各种常见的高阶数学运算。另外,受到 Torch 框架下的神经网络包(这里指 nn 包,neural network package) 的启发,BigDL还提出了Module类的概念,同时还模仿Torch实现了Table类和Criterion类。

AI科技评论注:这里MKL库的全称是“Math Kernel Library”,即英特尔的数学核心函数库,其中包含了诸多常规数学计算的最优实现,包括快速傅里叶变换和矩阵乘法等,这些计算在深度学习领域的模型训练中有着非常广泛的应用。

2. 极高的性能表现

BigDL基于一种同步小批量的随机梯度下降法(Stochastic Gradient Descent,SGD)对模型进行训练,该方法的能够支持单个 Spark 任务的跨平台运行,每个平台的执行器(executor)都可以执行一个多线程引擎并处理其中一小部分的批量数据。

正式由于引入了英特尔MKL和多线程,使得BigDL库在英特尔 Xeon 服务器上的表现要优于Caffe、Torch 或 TensorFlow 等其他的开源框架,甚至达到了主流GPU的运算速度。

3. 强大的扩展能力

BigDL 可以通过利用 Apache Spark 框架、同步的随机梯度下降算法,和 Spark 框架下的 all-reduce 通信进行有效的扩展,以“大数据的规模”执行数据分析任务。外媒报道称,BigDL 可一次支持几十个 Xeon 服务器的扩展。

根据上述特点,团队在GitHub平台上给出了如下三点BigDL最适合的应用场景:

1. 直接在Hadoop/Spark框架下进行大数据分析(即将数据存储在HDFS、HBase、Hive等数据库上); 2. 在Spark程序中/工作流中加入深度学习功能; 3. 利用现有的 Hadoop/Spark 集群来运行深度学习程序,然后将代码与其他的应用场景进行动态共享,例如ETL(Extract、Transform、Load,即通常所说的数据抽取)、数据仓库(data warehouse)、功能引擎、经典机器学习、图表分析等。

值得一提的是,BigDL提供了一个基于亚马逊AWS EC2服务器实现的完整镜像,并附带诸多可以直接运行的用例:包括使用卷积神经网络实现的文本分类用例、图像分类用例,以及将 Torch/Caffe 中经过预训练的模型加载到 Spark 中进行预测计算的用例等,感兴趣的朋友可以在这里查看:

https://github.com/intel-analytics/BigDL/wiki/Running-on-EC2

目前,社区讨论中的大多数用户都表示希望 BigDL 的后续版本加入对 Python 的支持,以及开发基于MKL的深度学习扩展包。

BigDL库在GitHub平台上的开源地址如下: https://github.com/intel-analytics/BigDL 感兴趣的朋友可以在页面下方找到团队给出的各种教程,包括如何在各个操作系统平台上安装和运行BigDL,以及BigDL在谷歌讨论组的地址等。

来源:infoq

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-01-17

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PPV课数据科学社区

【学习】天龙八部:8步从Python白板到专家

如果你想做一个数据科学家,或者作为一个数据科学家你想扩展自己的工具和知识库,那么,你来对地方了。 这篇文章的目的,是给刚开始使用Python进行数据分析的人,指...

2123
来自专栏机器学习算法与Python学习

资源 | 这是一份非常全面的开源数据集,你真的不想要吗?

1292
来自专栏FreeBuf

浅析PRODIGAL:真实企业中的内部威胁检测系统

0x00 写在前面 2013年2月份美国白宫发布了一份总统备忘录,专门就当前面临的内部威胁(Insider Threats)进行了分析,并且督促行政部门紧急出台...

18810
来自专栏大数据文摘

人类对随机数的探索:如何才能生成一个均匀的随机数列

1637
来自专栏CDA数据分析师

基于Spark的机器学习经验

作者简介 祝威廉目前在乐视云数据部门里从事实时计算,数据平台、搜索和推荐等多个方向。曾从事基础框架,搜索研发四年,大数据平台架构、推荐三年多,个人时间现专注于集...

2075
来自专栏量子位

有记忆会推理的可微分神经计算机,DeepMind现在开源了代码

王新民 编译自 GitHub 量子位 报道 | 公众号 QbitAI ? 去年10月,Google旗下DeepMind在《Nature》上发布第三篇论文,宣布搞...

3376
来自专栏hanlp学习笔记

Java中文分词hanlp使用

github地址:https://github.com/hankcs/HanLP

580
来自专栏AI科技大本营的专栏

数据科学家线性规划入门指南

前言 生活之道在于优化。每个人拥有的资源和时间都是有限的,我们都想充分利用它们。从有效地利用个人时间到解决公司的供应链问题——处处都有用到优化。 优化还是一个有...

3847
来自专栏PPV课数据科学社区

机器学习原来如此有趣:如何用深度学习进行语音识别

语音识别正在「入侵」我们的生活。我们的手机、游戏主机和智能手表都内置了语音识别。他甚至在自动化我们的房子。只需50美元,你就可以买到一个Amazon Echo ...

43512
来自专栏玉树芝兰

贷还是不贷:如何用Python和机器学习帮你决策?

本文我们用贷款风险判断的实际案例,帮助你一步步学习如何用Python做决策树。依靠机器学习中的分类(classification)方法,你可以快速高效地完成繁重...

734

扫码关注云+社区