深度學(xué)習框架只為GPU? 答案在這里

　　目前大多數的機器學(xué)習是在處理器上完成的，大多數機器學(xué)習軟件會(huì )針對GPU進(jìn)行更多的優(yōu)化，甚至有人認為學(xué)習加速必須在GPU上才能完成，但事實(shí)上無(wú)論是運行機器學(xué)習的處理器還是優(yōu)化的深度學(xué)習框架，都不單只針對GPU，代號為“Skylake”的英特爾至強SP處理器就證明了這一點(diǎn)。

　　機器學(xué)習軟件在英特爾至強SP系列白金版上的一系列基準測試性能表現與在GPU上非常相近，了解了底層架構之后，我們可以看到，在性能如此接近的情況下，使用GPU加速器更像是在購買(mǎi)一種“奢侈品”，用戶(hù)在GPU以外還有很多其他的選擇。毫無(wú)疑問(wèn)，在用戶(hù)只需要機器學(xué)習的情況下，“加速器”在性能和能耗方面更有優(yōu)勢，大多數人需要的不只是一臺“智能的用于機器學(xué)習的服務(wù)器”，那就讓我們來(lái)重點(diǎn)看一下英特爾至強SP 白金級處理器為什么是最佳的選擇：

　　CPU優(yōu)化深度學(xué)習框架和函數庫

　　英特爾在基于GPU優(yōu)化的框架中增加了CPU優(yōu)化深度學(xué)習框架， 打破了深度學(xué)習框架偏重于GPU而忽視了CPU的行業(yè)現狀，解決了目前這些框架缺乏CPU優(yōu)化的實(shí)際問(wèn)題。

　　- TensorFlow由谷歌開(kāi)發(fā)，是一個(gè)領(lǐng)先的深度學(xué)習和機器學(xué)習框架，有面向Linux的處理器優(yōu)化

　　- Caffe是圖片識別領(lǐng)域最受歡迎的應用之一，英特爾提供的優(yōu)化可以在CPU運行時(shí)提高Caffe的性能

　　- Torch是當下流行的深度學(xué)習框架，需要在優(yōu)化的CPU上應用，可以通過(guò)英特爾軟件優(yōu)化(比如英特爾至強可擴展處理器)提高Torch在CPU上的性能

　　- Theano是一個(gè)開(kāi)源的Python庫，很受機器學(xué)習程序員的歡迎，它可以幫助程序員高效地定義、優(yōu)化和評估涉及多維陣列的數學(xué)表達式

　　- Neon是一個(gè)基于Python的深度學(xué)習框架，目的是在現代深度神經(jīng)網(wǎng)絡(luò )上實(shí)現易用性和可擴展性，并致力于在所有硬件上實(shí)現性能的最大化

　　- MXNet是一個(gè)開(kāi)源的深度學(xué)習框架

　　- Python及其函數庫是機器學(xué)習應用里最受歡迎的基礎組成，Python加速版過(guò)去幾年里得到了廣泛應用，并且可以直接下載或通過(guò)Conda、yum、apt-get或Docker images下載

　　- BigDL是一個(gè)面向Apache Spark的分布式深度學(xué)習函數庫。通過(guò)BigDL用戶(hù)可以把自己的深度學(xué)習應用當作標準Apache Spark程序來(lái)編寫(xiě)，直接在現有Apache Spark或Hadoop集群上運行。在Torch基礎上開(kāi)發(fā)的BigDL可以為深度學(xué)習提供綜合性支持：包括數值計算(通過(guò)Tensor)和高級神經(jīng)網(wǎng)絡(luò );此外用戶(hù)還可以利用BigDL把提前訓練的Caffe或Torch模型載入Spark程序。英特爾曾聲稱(chēng)在一個(gè)單節點(diǎn)至強處理器上(例如與GPU相比)，BigDL中的處理速度比原始開(kāi)源Caffe、Torch或TensorFlow要高一個(gè)數量級

　　- 英特爾MKL-DNN是一個(gè)開(kāi)源的、性能強化的函數庫，用于加速在CPU上的深度學(xué)習框架

　　- 英特爾數據分析加速庫(DAAL)是一個(gè)包含了被優(yōu)化的算法構建模塊的開(kāi)源函數庫，針對大數據問(wèn)題最相關(guān)的數據分析階段。這個(gè)函數庫適用于當下流行的數據平臺，包括Hadoop、Spark、R和Matlab

　　結果證明了一切，無(wú)論是TensorFlow、Caffe，還是Torch、Theano，這些深度學(xué)習框架都針對英特爾數學(xué)核心函數庫(Intel MKL)和英特爾高級矢量擴展指令集(Intel AVX)進(jìn)行了優(yōu)化。通過(guò)CPU優(yōu)化，TensorFlow和Caffe基準測試中的CPU性能分別提高了72倍和82倍。

　　機器學(xué)習加速器

　　科技與行業(yè)的發(fā)展都是瞬息萬(wàn)變的，機器學(xué)習的加速器也會(huì )從GPU轉向FPGA、ASIC等等，除非我們永遠只需要一臺只能用于機器學(xué)習的服務(wù)器，只要在一臺服務(wù)器上想實(shí)現可以支持各種的工作負載，英特爾至強可擴展處理器無(wú)疑是最佳的解決方案。加速器的選擇正在變得多元化，這是整個(gè)行業(yè)的發(fā)展趨勢，多核CPU(英特爾至強融核處理器，特別是“Knights Mill”版)和FPGA(英特爾至強處理器，包含Intel/Altera FPGA)都可以提供更靈活的選擇、卓越的性?xún)r(jià)比和高能效?；谟⑻貭栔翉娙诤颂幚砥饔柧毣驅W(xué)習一個(gè)AlexNet圖片分類(lèi)系統的速度，是使用NVIDIA GPU的類(lèi)似配置系統的2.3倍;英特爾至強融核處理器的性?xún)r(jià)比最高可以是GPU解決方案的9倍，每瓦性能高達8倍，英特爾Nervana將推出更多專(zhuān)為人工智能開(kāi)發(fā)的產(chǎn)品。英特爾至強SP系列處理器為機器學(xué)習提供了卓越的性能，同時(shí)相比其他解決方案也為我們帶來(lái)了更多的功能與選擇，讓我們在產(chǎn)品與行業(yè)的發(fā)展中都可以擁有更多可能。