計(jì)算機(jī)視覺開始與各行業(yè)深度融合

• 2018年7月19日 ZhangHongYuan來源：TechWeb 898 56
• 繁體

• 

  2018-2024年中國微型計(jì)算機(jī)設(shè)備行業(yè)發(fā)展前景及深度調(diào)研分析報(bào)告

  微型計(jì)算機(jī)設(shè)備研究報(bào)告對微型計(jì)算機(jī)設(shè)備行業(yè)研究的內(nèi)容和方法進(jìn)行全面的闡述和論證，對研究過程中所獲取的微型計(jì)算機(jī)設(shè)備資料進(jìn)行全面系統(tǒng)的整理和分析，通過圖表、統(tǒng)計(jì)結(jié)果及文獻(xiàn)資料，或以縱...

伴隨人工智能在技術(shù)上的不斷突破，一些領(lǐng)域如計(jì)算機(jī)視覺，已開始與各個(gè)行業(yè)進(jìn)行了深度融合。

7月19日消息，現(xiàn)今伴隨人工智能在技術(shù)上的不斷突破，一些領(lǐng)域如計(jì)算機(jī)視覺，已開始與各個(gè)行業(yè)進(jìn)行了深度融合。例如保險(xiǎn)行業(yè)已通過人臉識(shí)別這種新時(shí)代的認(rèn)證方式，來對用戶身份信息進(jìn)行識(shí)別與審核。

而在計(jì)算機(jī)視覺背后，是以深度學(xué)習(xí)為依托進(jìn)行的展開，目前深度學(xué)習(xí)較為成熟分別是人臉識(shí)別、物體檢測、物體跟蹤等方面的應(yīng)用。而在應(yīng)用的背后，深度學(xué)習(xí)計(jì)算的優(yōu)化亦成為了重中之重，畢竟深度學(xué)習(xí)的模型是迅速迭代的，開發(fā)者要針對每一個(gè)模型嘗試不同的模型和算法，從而對其參數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行調(diào)整。

但大模型的訓(xùn)練要耗費(fèi)上數(shù)天乃至數(shù)月的時(shí)間，所以若想實(shí)現(xiàn)模型的快速迭代，高效的訓(xùn)練和推理的方式顯得尤為重要。因此模型優(yōu)化雖然費(fèi)時(shí)費(fèi)力，但卻是個(gè)高回報(bào)的投入。

深度學(xué)習(xí)框架的現(xiàn)狀與挑戰(zhàn)

眾所周知，深度學(xué)習(xí)對人工智能的發(fā)展起著至關(guān)重要的影響，但深度學(xué)習(xí)也是一項(xiàng)極具挑戰(zhàn)的工作。其一是深度學(xué)習(xí)領(lǐng)域以大規(guī)模標(biāo)注數(shù)據(jù)為支撐進(jìn)行的展開，必須要以數(shù)據(jù)為前提才能利用現(xiàn)有的統(tǒng)計(jì)學(xué)模型。

其二是需要先進(jìn)的網(wǎng)絡(luò)模型的創(chuàng)新，記得在2015年，微軟奪冠ImageNet計(jì)算機(jī)視覺識(shí)別挑戰(zhàn)時(shí)，曾揭開過152層的神經(jīng)網(wǎng)絡(luò)模型，比VGG網(wǎng)絡(luò)深8倍，并使用“殘差學(xué)習(xí)”理論來指導(dǎo)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)。但如此深的模型，自然也對系統(tǒng)提出了很高要求。

雖然目前硬件和網(wǎng)絡(luò)的發(fā)展極為迅速，GPU、芯片等硬件的發(fā)展也提供了比以往更為強(qiáng)大的計(jì)算能力，同時(shí)網(wǎng)絡(luò)連接也為深度學(xué)習(xí)帶來了全新的發(fā)展機(jī)遇。但遺憾的是，系統(tǒng)方面所出現(xiàn)的瓶頸問題卻尚未得到解決，如何將不同模型高效地映射到相應(yīng)的硬件上并定制優(yōu)化，是深度學(xué)習(xí)目前面臨的挑戰(zhàn)之一。

對于微軟而言，其愿景是讓每個(gè)人都能用上人工智能，解放從業(yè)者不必要的工作量，因此若想讓人工智能變得更為大眾化，系統(tǒng)優(yōu)化上的工作自然落在了微軟的肩上。

深度學(xué)習(xí)優(yōu)化三大挑戰(zhàn)

在此前一次媒體交流的活動(dòng)中，微軟亞洲研究院資深研究員伍鳴曾指出，目前深度學(xué)習(xí)計(jì)算的優(yōu)化主要面臨三大挑戰(zhàn)：擴(kuò)展性、局部計(jì)算以及內(nèi)存的使用效率。

擴(kuò)展性方面，微軟通過遠(yuǎn)程直接數(shù)據(jù)存取(RDMA)以及NVLink(英偉達(dá)開發(fā)并推出的一種總線及其通信協(xié)議)等高速的網(wǎng)絡(luò)硬件能力，設(shè)計(jì)出了一個(gè)討巧的零拷貝通信機(jī)制，讓計(jì)算能力能夠線性增加。也為深度學(xué)習(xí)開發(fā)人員帶來更大的想象空間。

此外優(yōu)化算法是求解目標(biāo)函數(shù)中極為重要的一環(huán)，需要設(shè)計(jì)并行與分布式優(yōu)化算法。但開發(fā)者通常更關(guān)注于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法的本身，并不擅長指導(dǎo)其在分布式環(huán)境中去具體執(zhí)行，為此微軟開發(fā)了一套能夠?qū)崿F(xiàn)自動(dòng)優(yōu)化的系統(tǒng)軟件，能夠自動(dòng)把模型做分布式的執(zhí)行。

延伸閱讀

推薦閱讀

猜您喜歡