Uczenie maszynowe na nowym poziomie

Uczenie maszynowe na nowym poziomie

Naukowcy z IBM Research dokonali przełomu w dziedzinie algorytmów maszynowego uczenia się. Są oni bliscy osiągnięcia idealnej wydajności podczas skalowania systemu. Stworzone przez nich oprogramowanie DDL (distributed deep-learning) zapewnia prawie liniowe przyspieszenie prac wraz z każdym dodanym procesorem. Celem badaczy jest skrócenie czasu nauki algorytmów z dni i godzin do minut i sekund.

Oprogramowanie IBM automatyzuje i optymalizuje proces równoległego przetwarzania zadań przez setki GPU znajdujące się na dziesiątkach serwerów. Większość algorytmów przetwarzania danych tego typu opiera się wyłącznie o skalowalność względem wzrostu ilości GPU.

System DDL osiągnął 95-procentową efektywność skalowania podczas testu układu składającego się z 256 procesorów Nvidia Tesla P100. Dane te obliczono dla zadania opartego o rozpoznawanie obrazów. Niemal liniowe skalowanie osiągnięto już po 50 minutach ćwiczenia algorytmu. Wcześniejszy rekord wydajności na tym samym zestawie danych należał do Facebooka, który mógł pochwalić się 89-procentową skalowalnością po 60 minutach nauki.

Firma poinformowała również, że algorytm osiągnął 33,8% trafności rozpoznawania obrazów na zestawie ImageNet22k składającym się z 7,5 miliona grafik. Dotychczas z tymi danymi najlepiej radził sobie Microsoft, który po 10 dniach treningu rozpoznawał jeze skutecznością 29,8%. Nauka DDL trwała zaledwie 7 godzin.

Nowy algorytm IBM został udostępniony bezpłatnie w ramach platformy PowerAI.

(rr)