ReAAP — реконфигурируемый процессор, который ускоряет в несколько раз работу технологий глубинного машинного обучения

Глубинное машинное обучение

Глубинное машинное обучение является вычислительной технологией, позволяющей производить эффективную обработку огромных массивов данных с целью поиска в них определенных образов и шаблонов. Но, для получения оптимальной производительности таких систем требуется, что бы алгоритмы были обработаны правильным компилятором, максимально ориентированным на особенности используемых аппаратных средств. И для получения еще большей эффективности могут быть использованы реконфигурируемые процессоры, допускающие гибкое использование аппаратных средств, что позволяет им адаптироваться к особенностям каждой конкретной задачи.

Недавно группа исследователей из Гонконга объявила о создании реконфигурируемого процессора ReAAP, тесты которого показали его несомненное превосходство по сравнению с другими вычислительными платформами, используемыми для реализации глубинного машинного обучения на базе многоуровневых нейронных сетей.

Более того, ReAAP, по сути, не является только процессором, это целый комплекс, который включает в себя и специализированные аппаратные средства, и интеллектуальный компилятор, который самостоятельно производит оценку и оптимизацию для разнообразных типов глубинного обучения. После того, как компилятор определяет лучшую аппаратную конфигурацию, подходящую для параллельной обработки больших количеств входной информации, он составляет ряд инструкций для самого реконфигурируемого процессора, который выстраивает в необходимом порядке все свои аппаратные ресурсы.

Тестирование системы ReAAP заключалось в сравнении ее производительности и эффективности с тремя вариантами базовых компиляторов, генерирующих код для графических процессоров Nvidia и процессоров ARM. По сравнению с системами на базе GPU Nvidia, система ReAAP продемонстрировала увеличение производительности от 1.9 до 5.7 раз. По сравнению с системами на базе ARM-процессоров, увеличение производительности оказалось чуть более скромным, от 1.6 до 3.3 раза.

К сожалению, система ReAAP очень хорошо подходит для создания нейронных сетей, обрабатывающих очень большие потоки входных данных. Но если требуется нейронная сеть, работающая с незначительным потоком данных, то эффективность работы ReAAP резко снижается до неприемлемого значения.

Однако, описанная выше проблема, по словам создателей системы, будет решена в ближайшее время. Более того, разработчики будут пытаться внедрить в систему ReAAP так называемую технологию квантования данных, которая позволяет значительно уменьшить требования к количеству памяти и вычислительной мощности. Это, в свою очередь, позволит использовать ReAAP даже на платформах устройств из разряда Интернета Вещей, которые, как правило, имеют весьма ограниченное количество ресурсов.

Ключевые слова:
Глубинное, Машинное, Обучение, Нейронная, Сеть, ReAAP, Конфигурируемый, Процессор, Компилятор

Первоисточник

Другие новости по теме:

  • Быстродействующие оптические системы могут заменить суперкомпьютеры в системах глубинного машинного изучения и искусственного интеллекта
  • Чипы Graphcore обеспечат 100-кратное ускорение работы систем искусственного интеллекта
  • Компания Intel готовит новые средства, которые обеспечат 100-кратное ускорение систем искусственного интеллекта
  • Nervana — первый специализированный процессор компании Intel, предназначенный для систем искусственного интеллекта
  • Компания Syntiant нашла путь к объединению мира искусственного интеллекта и аналоговой электроники
  • Share Button

    Материалы по теме:

    WuDao 2.0 — новая китайская система искусственного интеллекта, превосходящая по сложности системы Google и OpenAI
    Представители Пекинской Академии искусственного интеллекта (Beijing Academy of Artificial Intelligence, BAAI) объявили на прошлой неделе о завершении разработки новой системы искусственного интеллекта, которая стала ...
    Созданы «химические нейроны», способные считывать и обрабатывать информацию, хранимую в ДНК
    Ученые уже достаточно долго экспериментируют с использованием молекул синтетической ДНК в качестве носителя информации. И если процесс синтеза такой ДНК уже не вызывает больших ...
    800 гигабит в секунду — новый рекорд скорости передачи данных по сегменту реальной оптоволоконной сети
    Не так давно специалисты компании Infinera, производителя оборудования для оптоволоконных коммуникационных сетей, и компании Windstream, поставщика информационных услуг, провели испытания, в ходе которых была ...
    MusicLM — система ИИ от Google, которая может создавать музыку любого жанра
    Недавно специалисты подразделения компании Google, занимающиеся исследованиями в области искусственного интеллекта, опубликовали данные о новой системе под названием MusicLM, системе, способной создать музыку любого ...
    Новая технология искусственного интеллекта позволит смартфонам и планшетам генерировать трехмерные голограммы в режиме реального времени
    Люди старшего поколения помнят различные видеоигры, основанные на голограммах, которые в 80-х годах устанавливались в различных местах в виде популярных в то время полумеханических, ...
    You can skip to the end and leave a response. Pinging is currently not allowed.

    Leave a Reply

    Яндекс.Метрика