福布斯:百度开源基准工具DeepBench 优化深度学习硬件

福布斯:百度开源基准工具DeepBench 优化深度学习硬件

报道称,在9月底举行的O'Reilly人工智能大会上,百度宣布推出开源基准工具DeepBench可用于测量深度神经网络训练中基础操作的表现。目前,DeepBench已在Github上开源。

此前,每个深度学习模型都在使用不同的参数和算法来进行运算,面向深度学习的软硬件优化空间还很大。而此次发布的DeepBench可以帮助硬件开发人员优化深度学习应用程序的处理器,尤其是系统通过反复试验进行学习的训练阶段,让开发者更快找到最合适的软硬件组合方式。

福布斯:百度开源基准工具DeepBench 优化深度学习硬件

负责研发这一产品的Greg Diamos表示,“现在我们的计算机性能非常有限,因此深度学习研发人员想尽快训练出高效的人工神经网络。提高性能的第一步是测量,所以我们把DeepBench带进了深度学习的范畴,相信通过跟踪记录不同硬件平台的性能,将有助于处理器设计师更好地优化应用于深度学习的硬件。研发人员在开发新算法时可以为DeepBench提供新的运算模式,反过来也会显现平台自身的性能,借此给硬件设计师提供一个有效的反馈。”DeepBench开源之后,无论是创业公司还是大型企业,都可以通过使用这一工具提升深度学习产品的技术水平。

除此之外,百度硅谷人工智能实验室的Sharan Narang称:“超大数据集、多层复合模型,以及需要多次训练的模型,都不同程度的减缓了深度学习的研究速度。这也是开发衡量深度学习训练工具的原因。DeepBench使我们能测量出执行底层深度学习操作所需的时间。它在沙子中建立起一条线,有助于硬件开发商将注意力放在正确的要点上,从而做得更好。”

作为全球人工智能研发的领导者之一,百度已经开源了多项人工智能技术相关的代码及开源平台。今年年初,百度公布了可让人工智能软件运行更高效的代码Warp-CTC,可大幅提高人工智能开发速度,让端到端的深度学习变得简单、快速。今年9月,百度开源了其“百度大脑”的核心算法、深度学习平台PaddlePaddle,该平台具备易用、高效、灵活、可伸缩等特点,并已应用在百度30多项主要产品及服务中。未来,百度将充分发挥人工智能领军者的作用,让更多的技术人员及开发者投入到该领域学术研究中,推动人工智能、深度学习技术的快速发展。

相关内容推荐