Технология Fujitsu ускоряет обработку данных в процессе глубинного обучения

Компания Fujitsu объявила о разработке программной технологии, объединяющей несколько графических процессоров (GPU, Graphics Processing Unit) для реализации преимуществ высокоскоростного глубинного обучения.

Глубинное обучение – это технология, которая демонстрирует гораздо более высокий уровень точности распознавания по сравнению с предыдущими разработками. Но для обеспечения высокой точности распознавания требуется постоянный анализ больших массивов данных. Для этого использовались графические процессоры, которые лучше подходят для высокоскоростных операций по сравнению с обычными центральными процессорами (CPU).

Как правило, для ускорения глубинного обучения требуется несколько компьютеров с мощными GPU, которые объединены в сеть и работают параллельно. Недостатком этой методики является то, что при объединении более 10 вычислительных машин увеличивается время обмена данными между компьютерами, и специалистам все труднее добиться эффекта параллелизма.

Fujitsu разработала технологию параллелизации, которая обеспечивает эффективный и быстрый обмен данными между компьютерами. Новая технология была протестирована в рамках платформы глубинного обучения Caffe. В рамках теста, измеряющего время обучения с помощью AlexNet (многоуровневой нейронной сети для распознавания изображений) и сети компьютеров с 64 GPU, новая разработка продемонстрировала скорость обучения, которая в 27 раз выше, чем при работе одного компьютера с одним GPU. По сравнению с результатами без использования новой технологии скорость обучения была увеличена на 46% для сети с 16 GPU и на 71% для 64 GPU. Эти показатели являются рекордными. С помощью новой технологии задачи машинного обучения, для выполнения которых раньше требовался один месяц, теперь могут быть выполнены примерно за день в параллельном режиме работы 64 GPU.