正文内容 评论(0

蓝宝PGS AMD FirePro与DNN深度学习
2015-12-24 11:06:03   编辑:sunshine     评论(0)点击可以复制本篇文章的标题和链接

什么是深度学习?

人类希望复现自己的努力从未停止过,其中一个挑战性最高的目标就是人工智慧。

人类之所以超脱万物成为万物之灵,最重要的就是具备远远高于世上已知生物的最高智慧,凭借这种超脱万物的智慧,我们可以制造出非常精巧的工艺品和工具,甚至在一定程度上已经可以做到控制大自然。

相对于制造出能按照指定路线或者脚本、规则执行的机器,制造一台具备“思考”能力的机器难度却要高很多。

不过这样的“目标”是非常吸引人的,因为我们一旦如果能够制造出具备“思考”能力的机器后,机器可以真正地自主按照指定的目标执行任务而不容易受到一些“意外”而发呆或者罢工,这样的吸引力实在太诱人了,特别是人类进入了信息时代后,这样的目标似乎正越来越近。

要实现人工智慧,自然免不了对万物之灵——人类自身的研究,不过我们人类一向比较惜命,这是天性也是伦理。在上个世纪 60 年代,科学家们(David Hubel 和Torsten Wiesel)找来了几只猫咪代替人类,进行了视觉神经的初步测试。 

蓝宝PGS AMD FirePro与DNN深度学习

测试的办法很简单,在猫咪的前面挂上幕布,上面不断地投影各种形状和方向的光标块。在猫的后脑骨科学家开了一个 3mm 左右大小的小洞,其中放入测量神经活跃度的电极,这个测试的目的是为了验证一个猜测:猫的后脑皮层的部分神经元与瞳孔所受刺激之间存在某种对应关系。

在这个实验中,David Hubel 和 Torsten Wiesel 发现了一种名为“方向选择性细胞”的神经元细胞,当猫的瞳孔发现眼前物体的轮廓指向某个方向的时候,这类细胞就会活跃起来。

这个发现激发了人们对神经系统的进一步思考:神经-中枢-大脑的工作过程可能是一个不断迭代、抽象的过程。

例如,光信号进入到瞳孔后,经过初步处理(大脑皮层细胞发现了物体的边缘和方向),然后进行初步的抽象判断出这个物体是圆形的,经过进一步的抽象后判断出这个圆形的物体是一个乒乓球。

在生理学上对这种多层次处理过程的发现在 40 年后让电脑人工智能得到了突破性的发展。

现在大家都相信,人类视觉系统的信息处理是分级的,低级的 V1 区负责提取边缘特征,往上一级的 V2 区负责形状的区分,更高级别的话就是对整个目标的行为判断,高层处理的特征是低层特征的组合,低层到高层的特征越来越抽象,越来越能表现语义或者意图。抽象层越高,存在的猜测就越少,越利于分类。

这种层次化的神经系统现在被我们的人工智能专家看中,设计出了被称作深度学习的人工智能系统模型,“深度”一词的来源就是因为这种人工智能系统采用了三个隐含层以上的层次化神经网络,尤其是相对 80 年代机器学习第一次浪潮出现的“浅层学习(只有一层隐含层)”而言。

对于三层或者以上(实际可能九层或以上)隐含层的神经网络,人们称之为 DNN(Deep Neural Networks,深度神经网络),DNN 已经成为目前最热门的人工智能研发方向之一。

深度学习在人工智能方面的一个显著特点是采用了无监督学习方式,不需要人工提取特征,实现了各种分类和预测目标,结合高性能计算系统,能显著提升效率。

例如,按照传统的计算机图片分类办法,对于一张含有宠物猫的照片,我们需要添加一个标注,标明这是一张含有宠物猫的照片。

而对于采用深度学习的系统而言,只要给它一大堆包含有宠物猫的照片,它就会自动分析出其中的规律:所有的图片里都有一团物体,这个物体有 4 条腿,有尾巴,有脑袋,脑袋上有两只眼睛、一个鼻子,一个嘴巴,嘴巴两侧有胡须,脑袋上有一对耳朵等等,这些特征都被电脑识别、提取出来,整个过程基本上不需要人工干预。

待系统“学习”或者“训练”完成后,你再把一张它从未“看过”但是其中含有宠物猫的照片给这台系统,它就能根据之前的学习成果判断出,这张照片里含有“猫”这种动物。

这样的研究成果对于搜索引擎巨头来说是梦寐以求的,实际上深度学习的研究热潮正是 2012 年谷歌带起来:谷歌公司向一台名为 DistBelief 的超级计算机系统扔进了数百万条 Youtube 视频,以深度学习的方式自动总结出了猫的关键特征。

最神奇的地方是,这台 DistBelief 还从视频中学会了识别“碎纸机”这样的东西,以至于负责这个项目的谷歌工程师 Quoc V. Le 对于 DistBelief 如何能自主识别出“碎纸机”这样的物体百思不得其解,但是这也恰恰证明了深度学习的强大潜力。

国内的搜索巨头百度表示,该公司目前已经有 10% 的搜索请求是来自于语音的,预期在未来 5 年内语音、图像搜索的请求会超过一半。

这完全是可能的,实际上我现在使用搜索引擎很多情况下都是为了搜索图片,这主要是查找图片的来源以及寻找分辨率更高的版本。

事实上,移动互联网才是推动多媒体搜索的最大增长来源,毕竟在移动设备上敲打文字可不是一件轻松惬意的事情,人们更乐于直接把图片、语音信息作为搜索请求,再看看移动互联网的增长势头,你就自然明白搜索引擎巨头以及其他互联网巨头(例如腾讯、阿里巴巴、奇虎 360、百度等)在深度学习上如此热衷。

深度学习与蓝宝 PGS AMD FirePro

深度学习需要大量数据来训练,一般来说,数据量越大,准确率就越高,这就带来了一个需要迫切解决的问题:庞大计算能力。

所幸的是神经网络中的各个神经元是相对独立的,非常适合于 GPU 来执行——GPU 可以提供强大的并行计算能力,具备极高的本地内存带宽,新一代的 GPU 采用 PCIE 3.0 总线,可以显著改善 GPU 和主机之间的数据交换效率。

除此以外,像蓝宝 PGS AMD FirePro W7100 搭配了新的 VCE 3.1 视频编解码引擎,可以实现显卡直接对压缩的视频流解码,无需 CPU 参与视频解码,在较低的总线压力下实现 GPU 高效处理视频流信息,这为实现多路视频人像识别提供了重要的性能保障。

AMD 研究院的高级研究员谷俊丽博士在 2014 年中的时候表示,目前该公司组成了由 AMD 中国研究院和工程团队组成的 DNN 研究团队,目标是实现加速、硬件系统搭建和大规模应用等挑战的同时解决。

在软件方面,AMD 的 DNN 软件解决方案采用了 OpenCL 来编写,使其可以在不同的平台上得到应用,这样的好处是开发人员编写的代码可以很容易地移植到不同的平台和设备上使用。

据闻现在 AMD 正和国内的搜索引擎巨头合作,在 DNN 方面提供直接的技术支持,针对该公司的应用特性和蓝宝 PGS AMD FirePro 专业加速卡提供定制的 DNN 优化。

对于实现深度神经网络的主要挑战 AMD 有清晰的认识并且在目前提供了相应的应对策略:

1、OpenCL 采用的是运行时编译方式,编译所需要的开销会占用 CPU 时间,这是无法避免的,但是可以透过对神经网络元件库和 OpenCL 运行库的优化来改善。

2、虽然说 OpenCL 是跨平台的编程框架,但是在实际编程调优的时候,还是需要面对大量的设备相关微架构信息,例如运算单元布局、cache、内存等等。

3、神经元之间的数据交换,这实际上就是内存层次化和一致性的问题,特别是 CPU + GPU 异构运作模式下,这样的问题会更加复杂。AMD 在这里选择了软件实现的一致性协议,而 HSA 被认为是解决这个问题的途径之一。

4、任务和设备的同步问题,尤其是多任务和多设备的情况下。对此,AMD 设计了一个采用了设备上下文、命令队列和事件的同步协议。

采用蓝宝 PGS AMD FirePro 带来的性能提升

AMD 公司的合作伙伴之一奇虎 360 是大家众所周知的电脑安全公司,旗下的 360 卫士在许多人的电脑、手机中都有安装,出于对网络安全监控的需要,该公司需要对网络协议进行分析、识别(如识别出 http、SSL、SSL 等协议以及各类应用程序、数据等等),这涉及到使用神经网络对海量的网络数据分析比对:

每天产生的原始数据项目数以百万计;

相关的参数多达五百万;

如果只使用 CPU 的话需要数天时间才能分析完毕。

在采用了 OpenCL 后,奇虎 360 现在可以在一台双 E5-2630 加上四片蓝宝 PGS AMD FirePro S9150 的系统上用不到三小时的时间就完成了同样的数据分析,而这样的执行时间是建立在对协议分类识别能力达到 99% 以上准确度的基础上。 

蓝宝PGS AMD FirePro与DNN深度学习

蓝宝 PGS AMD FirePro S9150,具备 16GB 内存

另有蓝宝 PGS AMD FirePro S9170,具备 32 GiB 内存

蓝宝 PGS AMD FirePro 超算系列:http://www.sapphirepgs.com/productcata.asp?keyid=14&lang=chs

蓝宝 PGS AMD FirePro 官网介绍:http://www.sapphirepgs.com/featurepage.asp?IDno=22&lang=chs

【本文结束】如需转载请务必注明出处:快科技

责任编辑:

  • 支持打赏
  • 支持0

  • 反对

  • 打赏

文章价值打分

当前文章打分0 分,共有0人打分
  • 分享好友:
  • |
本文收录在
#快讯

  • 热门文章
  • 换一波

  • 好物推荐
  • 换一波

  • 关注我们

  • 微博

    微博:快科技官方

    快科技官方微博
  • 今日头条

    今日头条:快科技

    带来硬件软件、手机数码最快资讯!
  • 抖音

    抖音:kkjcn

    科技快讯、手机开箱、产品体验、应用推荐...