Обучаемое ПО компании IBM установило рекорд точности распознавания

IBM oбъявилa, чтo eй   удaлoсь прeвзoйти рекорд точности распознавания изображений (29,8%), установленный интеллектуальной программой компании Microsoft в   октябре 2014   г.

Разработанная и   натренированная IBM модель распределённого глубокого обучения (Distributed Deep Learning, DDL) смогла верно идентифицировать каждую третью картинку в   массиве 7,5   млн изображений из   базы данных ImageNet-22K. Точность распознавания в   итоге достигла   33,8%.

Сообщается, что получить этот результат система IBM смогла через семь часов после начала эксперимента. Чтобы достигнуть предыдущего рекорда, Microsoft потребовалось 10   дней.

Ключевым условием для успеха IBM стало улучшение эффективности коммуникаций между распределенными GPU, задействованными при работе DDL-программы.

Как указывает научный сотрудник IBM, Хилари Хант (Hilary Hunt), даже самые умные и   быстрые графические процессоры, нуждаются в   лучших средствах общения.

«В   противном случае они теряют синхронизацию и   большую часть времени проводят в   ожидании результатов друг от   друга,   — заявила Хант.   —   Таким образом, при наращивании количества используемых быстрых GPU вы   получите не   прирост скорости, а   возможно даже её   уменьшение».

Решение этой проблемы в   интеллектуальном   ПО компании IBM также сделает возможной работу других моделей   ИИ, таких как популярные открытые движки Tensorflow и   Caffee, на   крупномасштабных нейронных сетях и   больших массивах данных с   очень высокими эффективностью и   точностью, позволит тренировать их   за   считаные   часы.

Комментирование и размещение ссылок запрещено.

Обсуждение закрыто.