深度學(xué)習算法有望在FPGA和超級計算機上運行

隨著(zhù)人工智能技術(shù)的發(fā)展，各大科技公司都加大在深度學(xué)習上的投入，而作為美國國家科學(xué)基金會(huì )也同樣如此，當下，它通過(guò)資助美國幾所大學(xué)的研究人員，促進(jìn)深度學(xué)習算法在FPGA和超級計算機上運行。雖然目前看到的還只是代表了深度學(xué)習的一個(gè)趨勢，但是隨著(zhù)各大科技公司的商業(yè)運營(yíng)以及更多的深度學(xué)習走進(jìn)大學(xué)研究中心以及國家實(shí)驗室，對深度學(xué)習的發(fā)展起到積極的促進(jìn)作用。

以下為原文：

機器學(xué)習在過(guò)去的幾年里取得了很大的進(jìn)步，在很大程度上歸功于計算密集型工作負載擴展新技術(shù)的發(fā)展。NSF最新的資助項目似乎暗示我們看到的可能只是冰山一角，因為研究人員試圖將類(lèi)似深度學(xué)習的技術(shù)擴展到更多的計算機和新型的處理器上。

由紐約州立大學(xué)石溪分校團隊實(shí)施的一個(gè)特別有趣項目，該項目旨在證明FPGA（現場(chǎng)可編程門(mén)陣列）優(yōu)于GPU，他們發(fā)現深度學(xué)習算法在FPGA上能夠更快、更有效地運行，這突破了當前傳統的認識。

根據項目概要：

研究人員預計在GPU上算法的最慢部分，運行在FPGA上將實(shí)現明顯的加速，同時(shí)，在GPU上算法最快的部分在FPGA上將有類(lèi)似的運行性能，但是功耗會(huì )極低。

實(shí)際上，除了不同于GPU，在硬件上運行這些模型想法并不新奇，例如，IBM最近憑借一個(gè)新的brain-inspired芯片轟動(dòng)一時(shí)，它聲稱(chēng)可以完美支持神經(jīng)網(wǎng)絡(luò )和其他cogniTIve-inspired工作負載。微軟在今年7月演示了它的Adam項目，這個(gè)項目是重新修改了一個(gè)流行的深度學(xué)習技術(shù)使其在通用英特爾 CPU處理器上運行。

由于其可定制的特點(diǎn)，FPGA有著(zhù)獨特的優(yōu)勢，今年6月，微軟解釋它如何通過(guò)卸載某些進(jìn)程部分到FPGA來(lái)加快Bing搜索。當月晚些時(shí)候，在Gigaom的Structure大會(huì )上，英特爾宣布即將推出的混合芯片架構將FPGA在CPU共置在一起（實(shí)際上它們會(huì )共享內存），這主要針對專(zhuān)業(yè)大數據負載與微軟必應這樣的案例。

然而，FPGA對于深度學(xué)習模型來(lái)說(shuō)并不是唯一的、潛在的基礎架構選擇。NSF還資助紐約大學(xué)的研究人員，讓他們通過(guò)基于以太網(wǎng)遠程直接內存訪(fǎng)問(wèn)技術(shù)來(lái)測試深度學(xué)習算法以及其他工作負載，這在超級計算機上廣泛使用，但現在要將它帶到企業(yè)系統，RDMA連接器通過(guò)直接發(fā)送消息到內存，避免了CPU、交換機和其他組件給進(jìn)程帶來(lái)的延遲，從而加快計算機之間傳輸數據速度。

說(shuō)到超級計算機，另一個(gè)新的NSF資助項目，由機器學(xué)習專(zhuān)家斯坦福大學(xué)（百度和Coursera）的Andrew Ng和超級計算機專(zhuān)家田納西大學(xué)的Jack Dongarra以及印第安納大學(xué)的Geoffrey Fox領(lǐng)導，旨在使深度學(xué)習模型利用Python可編程，并且將它帶到超級計算機和擴展云系統。據悉，這個(gè)得到了NSF將近100萬(wàn)美元的資助的項目被稱(chēng)為Rapid Python Deep Learning Infrastructure。

RaPyDLI將被構建成一套開(kāi)源的模塊，可以從Python用戶(hù)界面訪(fǎng)問(wèn)，但是可以放心地在最大規模超級計算機或云的C / C++或Java環(huán)境中通過(guò)互動(dòng)分析和可視化執行。RaPyDLI將支持GPU加速器和英特爾Phi協(xié)處理器以及廣泛的存儲技術(shù)包括Files、NoSQL、HDFS和數據庫。
目前做的所有工作都是讓深入學(xué)習算法更容易并且改善它們的性能，這三個(gè)項目只是一小部分，但是如果這些技術(shù)能夠被科技巨頭用到商業(yè)領(lǐng)域，或者進(jìn)入研究中心以及國家實(shí)驗室利用計算機解決真正的復雜問(wèn)題將是非常有益的。