Intel深度學(xué)習(xí)新算法SLIDE比8張NVIDIA卡快
AI（人工智能）是當(dāng)今科技圈的熱門話題，深度學(xué)習(xí)則是AI訓(xùn)練的重要手段之一。如何學(xué)習(xí)要靠硬件和算法支撐，這方面，Intel力挺CPU，NVIDIA則力挺GPU。
日前，Intel實(shí)驗(yàn)室聯(lián)合美國(guó)萊斯大學(xué)宣布了一種突破性的深度學(xué)習(xí)新算法SLIDE。
SLIDE基于散列開發(fā)，而非當(dāng)前最富盛名的BP算法（反向傳播算法）所基于的矩乘。
借助SLIDE，CPU用于傳統(tǒng)AI模型深度學(xué)習(xí)訓(xùn)練的效率大大提升。研究論文舉例稱，一套擁有44個(gè)Xeon核心的平臺(tái)和一套價(jià)值10萬(wàn)美元、由8張NVIDIA Vlta V100加速卡支撐的平臺(tái)（TensorFlow框架）執(zhí)行相同的訓(xùn)練任務(wù)，前者用時(shí)1小時(shí)，后者則花了3.5小時(shí)。
有趣的是，Intel還表示，它們這套平臺(tái)尚未充分優(yōu)化，還是“殘血”狀態(tài)，比如處理器的DLBoost并未啟用。
不過(guò)，這套44核至強(qiáng)平臺(tái)到底是什么型號(hào)CPU并未公布，一說(shuō)就是22核心44線程的至強(qiáng)鉑金6238，一說(shuō)是雙路至強(qiáng)鉑金6238，還有可能是未發(fā)布的產(chǎn)品。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
英特爾
+關(guān)注
關(guān)注
61文章
10196瀏覽量
174703 -
AI
+關(guān)注
關(guān)注
88文章
35164瀏覽量
280007 -
英偉達(dá)
+關(guān)注
關(guān)注
22文章
3953瀏覽量
93799 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5561瀏覽量
122799
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
CYUSB3025如何同時(shí)讀取2張SD卡嗎？
我們想使用 CYUSB3025 讀取 2 張 SD 卡，但是我們正在進(jìn)行板載測(cè)試。 最后它只讀了一張卡。
我可以知道如何同時(shí)讀取 2 張 S
發(fā)表于 05-19 07:51
NVIDIA NVLink 深度解析
訓(xùn)練萬(wàn)億參數(shù)人工智能模型至關(guān)重要 ^4^。本深度分析報(bào)告旨在全面探討 NVIDIA NVLink，涵蓋其定
在OpenVINO?工具套件的深度學(xué)習(xí)工作臺(tái)中無(wú)法導(dǎo)出INT8模型怎么解決？
無(wú)法在 OpenVINO? 工具套件的深度學(xué)習(xí) （DL） 工作臺(tái)中導(dǎo)出 INT8 模型
發(fā)表于 03-06 07:54
用DLP4500燒錄9張8bit位深度的相移圖，3張合成了一張24bit,結(jié)果每一張24bit都重復(fù)投射三次，這是為什么？
你好，吳工，用DLP4500燒錄9張8bit位深度的相移圖，3張合成了一張24bit,結(jié)果每一張
發(fā)表于 02-24 08:00
BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系
），是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過(guò)反向傳播算法進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)由輸入層、一個(gè)或多個(gè)隱藏層和輸出層組成，通過(guò)逐層遞減的方式調(diào)整網(wǎng)絡(luò)權(quán)重，目的是最小化網(wǎng)絡(luò)的輸出誤差。 二、深度學(xué)習(xí)的定義與發(fā)展
NVIDIA宣布NVIDIA Isaac重要更新
，更為全球開發(fā)者提供了更加強(qiáng)大、高效的工具，以加速AI機(jī)器人的開發(fā)進(jìn)程。 NVIDIA Isaac是一個(gè)綜合性的平臺(tái)，它集成了加速庫(kù)、應(yīng)用框架和AI模型等多種資源。這些組件協(xié)同工作，為開發(fā)者提供了一個(gè)從底層算法到上層應(yīng)用的全方位支持環(huán)境。通過(guò)利用
4G模組SD卡接口編程：深度學(xué)習(xí)
今天我們需要深度學(xué)習(xí)的是4G模組SD卡接口編程，以我常用的模組Air724UG為例，分享給大家。
NPU與機(jī)器學(xué)習(xí)算法的關(guān)系
在人工智能領(lǐng)域，機(jī)器學(xué)習(xí)算法是實(shí)現(xiàn)智能系統(tǒng)的核心。隨著數(shù)據(jù)量的激增和算法復(fù)雜度的提升，對(duì)計(jì)算資源的需求也在不斷增長(zhǎng)。NPU作為一種專門為深度學(xué)習(xí)
NPU在深度學(xué)習(xí)中的應(yīng)用
設(shè)計(jì)的硬件加速器，它在深度學(xué)習(xí)中的應(yīng)用日益廣泛。 1. NPU的基本概念 NPU是一種專門針對(duì)深度學(xué)習(xí)算法優(yōu)化的處理器，它與傳統(tǒng)的CPU和G
GPU深度學(xué)習(xí)應(yīng)用案例
GPU在深度學(xué)習(xí)中的應(yīng)用廣泛且重要，以下是一些GPU深度學(xué)習(xí)應(yīng)用案例： 一、圖像識(shí)別 圖像識(shí)別是深度學(xué)習(xí)
AI大模型與深度學(xué)習(xí)的關(guān)系
人類的學(xué)習(xí)過(guò)程，實(shí)現(xiàn)對(duì)復(fù)雜數(shù)據(jù)的學(xué)習(xí)和識(shí)別。AI大模型則是指模型的參數(shù)數(shù)量巨大，需要龐大的計(jì)算資源來(lái)進(jìn)行訓(xùn)練和推理。深度學(xué)習(xí)算法為AI大模型
FPGA做深度學(xué)習(xí)能走多遠(yuǎn)？
的應(yīng)用場(chǎng)景。
? 可重構(gòu)性：在深度學(xué)習(xí)高速迭代的情況下，F(xiàn)PGA 比一些專用芯片（如 ASIC）具有更強(qiáng)的靈活性。當(dāng)深度學(xué)習(xí)
發(fā)表于 09-27 20:53
深度識(shí)別算法包括哪些內(nèi)容
深度識(shí)別算法是深度學(xué)習(xí)領(lǐng)域的一個(gè)重要組成部分，它利用深度神經(jīng)網(wǎng)絡(luò)模型對(duì)輸入數(shù)據(jù)進(jìn)行高層次的理解和識(shí)別。深
spark為什么比mapreduce快？
spark為什么比mapreduce快？ 首先澄清幾個(gè)誤區(qū)： 1：兩者都是基于內(nèi)存計(jì)算的，任何計(jì)算框架都肯定是基于內(nèi)存的，所以網(wǎng)上說(shuō)的spark是基于內(nèi)存計(jì)算所以快，顯然是錯(cuò)誤的 2;DAG計(jì)算模型
NVIDIA推出全新深度學(xué)習(xí)框架fVDB
在 SIGGRAPH 上推出的全新深度學(xué)習(xí)框架可用于打造自動(dòng)駕駛汽車、氣候科學(xué)和智慧城市的 AI 就緒型虛擬表示。
工商網(wǎng)監(jiān)
評(píng)論