英特爾加快人工智能步伐，至強融核系列能擔當重任？

　　近期在法蘭克福舉辦的國際超級計算大會(huì )上，涌現了很多令人興奮的新技術(shù)，驅動(dòng)著(zhù)廣泛應用于各行各業(yè)的人工智能和深度學(xué)習技術(shù)的發(fā)展。英特爾為人工智能技術(shù)的各個(gè)層面提供了一套廣泛全面的產(chǎn)品組合，其中包括即將推出的英特爾至強可擴展處理器以及英特爾現場(chǎng)可編程門(mén)陣列(FPGA)，還有即將推出的代號為Knights Mill的英特爾至強融核處理器，將深度學(xué)習技術(shù)提升到了一個(gè)新高度。

　　近期在法蘭克福舉辦的國際超級計算大會(huì )上，涌現了很多令人興奮的新技術(shù)，驅動(dòng)著(zhù)廣泛應用于各行各業(yè)的人工智能和深度學(xué)習技術(shù)的發(fā)展。英特爾為人工智能技術(shù)的各個(gè)層面提供了一套廣泛全面的產(chǎn)品組合，其中包括即將推出的英特爾至強可擴展處理器以及英特爾現場(chǎng)可編程門(mén)陣列(FPGA)，還有即將推出的代號為Knights Mill的英特爾至強融核處理器，將深度學(xué)習技術(shù)提升到了一個(gè)新高度。

　　英特爾至強融核處理器Knights Mill加速深度學(xué)習處理

　　這個(gè)英特爾至強融核系列的新成員是專(zhuān)門(mén)針對深度學(xué)習訓練進(jìn)行了優(yōu)化，預計在2017年第四季度投產(chǎn)。該處理器旨在滿(mǎn)足數據科學(xué)家、工程師以及所有致力于機器學(xué)習技術(shù)應用領(lǐng)域的用戶(hù)獨特需求。Knights Mill尤其能夠通過(guò)充分利用低精度計算優(yōu)勢而大大縮短訓練深度學(xué)習模型的時(shí)間。

　　為什么低精度如此重要?

　　簡(jiǎn)單地說(shuō)，數據科學(xué)家需要硬件能夠在訓練模型時(shí)加速融合。在過(guò)去，深度學(xué)習模型可能要花上幾天甚至幾周的時(shí)間才能完成一個(gè)迭代的融合，這使得他們很難在有限的時(shí)間內進(jìn)行研究。如今的硬件能夠通過(guò)低精度計算把訓練時(shí)間縮短到幾個(gè)小時(shí)——這相當于加快了計算速度。只要硬件能滿(mǎn)足深度學(xué)習框架的精度要求，那么最重要的就是看硬件訓練模型的速度有多快。因此低精度計算可用于解決深度學(xué)習負載問(wèn)題，并且與高性能計算相比是首選的計算方式，后者通常需要單或雙精度運算性能。

　　那么Knights Mill和之前代號為Knights Landing的英特爾?至強融核?處理器有何不同呢?

　　我們經(jīng)常聽(tīng)到專(zhuān)注于高性能計算、人工智能和機器學(xué)習的用戶(hù)提出這個(gè)問(wèn)題。

　　Knights Mill使用和Knights Landing相同的整體架構和分裝，兩個(gè)CPU都是第二代英特爾?至強融核?處理器，并使用相同的平臺。區別就是Knights Mill使用不同的指令集來(lái)改進(jìn)低精度性能，但犧牲了對許多傳統高性能計算負載非常重要的雙精度性能。這意味著(zhù)Knights Mill適用于處理深度學(xué)習負載，而Knights Landing則更適合高性能計算負載以及其它要求高精度的運算。

　　這些不同的指令集被稱(chēng)作“四倍融合乘加指令”(QFMA：Quad Fused MulTIply Add)和“四倍虛擬神經(jīng)網(wǎng)絡(luò )指令”(QVNNI： Quad Virtual Neural Network InstrucTIon)。QFMA能把Knights Mill的單精度性能提高一倍，而QVNNI指令則可以進(jìn)一步降低精度，同時(shí)滿(mǎn)足深度學(xué)習框架的精度需求。把單精度性能提高一倍并進(jìn)一步降低精度的結果將使Knights Mill相比Knights Landing能夠為深度學(xué)習負載提供更高的運算性能。

　　此外，頻率、電源和效率方面的改善也推動(dòng)了性能的提升，但是指令集變化才是性能顯著(zhù)提升的最大因素。退一步說(shuō)，Knights Mill處理器并不僅僅是為了加速深度學(xué)習負載，而且是在現有的基于英特爾技術(shù)的環(huán)境中獲得新的處理功能。英特爾至強融核處理器平臺二進(jìn)制兼容英特爾至強處理器。幾乎所有運行在英特爾至強處理器上的負載都能運行在英特爾至強融核處理器上，這就讓用戶(hù)可以輕松地在英特爾平臺上共享軟件投資。

　　另一方面，英特爾正在統一深度學(xué)習實(shí)踐者在整個(gè)硬件平臺上使用深度學(xué)習框架的前進(jìn)道路。這些都是受益于英特爾?Nervana Graph把先進(jìn)的功能帶到深度學(xué)習框架。這個(gè)面向神經(jīng)網(wǎng)絡(luò )的計算和執行圖讓開(kāi)發(fā)者能夠在多個(gè)硬件對象上自動(dòng)進(jìn)行優(yōu)化，從而讓用戶(hù)能夠在不同的英特爾平臺上共享其軟件投資。

　　近年來(lái)英特爾不斷延伸人工智能技術(shù)布局，收購深度學(xué)習和神經(jīng)網(wǎng)絡(luò )芯片與軟件領(lǐng)域的領(lǐng)導廠(chǎng)商Nervana，通過(guò)一系列投資和英特爾至強、至強融核產(chǎn)品、FPGA相結合，提供全棧實(shí)力處理端到端數據。即將推出的英特爾至強融核處理器Knights Mill，更是顯著(zhù)加速深度學(xué)習處理，驅動(dòng)人工智能領(lǐng)域的進(jìn)一步發(fā)展。