amd語音識別深度學(xué)習(xí)人工智能deep learningAPSys 2014DNN
摘要：APSys2014將于6月25日-26日將在北京隆重召開，AMD研究院DNN研究項目專家，谷俊麗博士將發(fā)表《基于主流異構(gòu)處理器的DNN實(shí)現(xiàn)與評估》的論文并做大會報告，圍繞如何創(chuàng)建高效DNN異構(gòu)平臺及OCL的實(shí)現(xiàn)技巧作出深入探討。
APSys 2014將于 6月25日-26日將在北京隆重召開，和人工智能的國際頂會ICML一起舉行，來自全球各地的學(xué)者將聚集在次，會議將開設(shè)專門的針對人工智能設(shè)計的系統(tǒng)，解決Big Data+人工智能為系統(tǒng)設(shè)計帶來的挑戰(zhàn)問題。屆時，AMD研究院DNN研究項目專家，谷俊麗博士將在APSys 2014上發(fā)表《基于主流異構(gòu)處理器的DNN實(shí)現(xiàn)與評估》的論文并做大會報告，內(nèi)容主要針對主流的機(jī)器學(xué)習(xí)算法，圍繞如何創(chuàng)建高效的DNN異構(gòu)平臺以及OCL的實(shí)現(xiàn)技巧作出深入探討。
AMD在DNN研究上的新突破
“性能制約”是早期商用語音識別系統(tǒng)中無法采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)的原因之一。在APsys學(xué)術(shù)上，AMD DNN深度探討了基于多個異構(gòu)平臺包括APU/CPU+GPUs方面的研究，以大限度利用計算機(jī)的運(yùn)算能力。經(jīng)研究表明，APUs能夠?qū)崿F(xiàn)高達(dá)2X單位瓦特性能，能效超過已有的CPU+GPU平臺。這足以說明，APU服務(wù)器可以為DNN應(yīng)用提供更加高效和高密度的解決方案。
值得慶幸的是，AMD在APSys發(fā)表的這篇論文——機(jī)器學(xué)習(xí)系統(tǒng)得到了業(yè)界的一致好評，該論文也是受歡迎的作品之一。以下是APSys上的專家給予的高度評論：
該論文很棒，詮釋了一種新的觀點(diǎn)。
當(dāng)前工作的好處是，它探索了一種新的方向，基于APU可享受GPU-CPU共享內(nèi)存和低功耗的優(yōu)點(diǎn)。
這項工作的價值體現(xiàn)了通過一個潛在的方向使用APU服務(wù)器/客戶端作為未來深度學(xué)習(xí)的架構(gòu)/平臺。
深度學(xué)習(xí)帶來了機(jī)器學(xué)習(xí)的一個新浪潮，受到從學(xué)術(shù)界到工業(yè)界的廣泛重視，也導(dǎo)致了“大數(shù)據(jù)+深度模型”時代的來臨，未來越來越多的識別都將依賴于深度神經(jīng)網(wǎng)絡(luò)。
DNN背景介紹
早在20世紀(jì)50年代就出現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)，它是一個有很悠久歷史的結(jié)構(gòu)，但經(jīng)過了很多年的發(fā)展，依然有很多的局限，比如訓(xùn)練時間長、效率低下等。近年來由于Deep Learning的研究出現(xiàn)了比較大的突破，Deep Neural Network（以下簡稱DNN）應(yīng)該是伴隨著Deep Learning一起出現(xiàn)的一種人工神經(jīng)網(wǎng)絡(luò)的重大改良，其模擬了人腦的一些特性，比如人腦具有一個深度的結(jié)構(gòu)，每深入一層就進(jìn)行一次抽象，認(rèn)知的時候逐層進(jìn)行抽象，進(jìn)而突破了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法的局限性，可以說，DNN的出現(xiàn)為語音/圖像/人臉等大規(guī)模物體的識別技術(shù)帶來了一次新突破。
眾多知名企業(yè)參與探討DNN
2012年《紐約時報》就曾披露了Google Brain項目，吸引了公眾的廣泛關(guān)注。該項目是由的斯坦福大學(xué)機(jī)器學(xué)習(xí)教授Andrew Ng和在大規(guī)模計算機(jī)系統(tǒng)方面的世界頂尖專家Jeff Dean共同主導(dǎo)，用16000個CPU Core的并行計算平臺訓(xùn)練一種稱為“深層神經(jīng)網(wǎng)絡(luò)”（DNN，Deep Neural Networks）的機(jī)器學(xué)習(xí)模型，在語音識別和圖像識別等領(lǐng)域獲得了巨大的成功。
據(jù)悉，Google（DNN）是早突破深層神經(jīng)網(wǎng)絡(luò)工業(yè)化應(yīng)用的企業(yè)之一。如今，越來越多的企業(yè)開始參與到DNN的研究中，這其中也包括AMD、微軟亞洲研究院以及上海交通大學(xué)均在APsys上發(fā)表了學(xué)術(shù)論文（APsys是亞太地區(qū)系統(tǒng)領(lǐng)域?qū)＜医M織的專門從事論文研究的學(xué)術(shù)會議，發(fā)展至今已成功舉辦多次）。
本站文章版權(quán)歸原作者及原出處所有 。內(nèi)容為作者個人觀點(diǎn)， 并不代表本站贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé)，本站只提供參考并不構(gòu)成任何投資及應(yīng)用建議。本站是一個個人學(xué)習(xí)交流的平臺，網(wǎng)站上部分文章為轉(zhuǎn)載，并不用于任何商業(yè)目的，我們已經(jīng)盡可能的對作者和來源進(jìn)行了通告，但是能力有限或疏忽，造成漏登，請及時聯(lián)系我們，我們將根據(jù)著作權(quán)人的要求，立即更正或者刪除有關(guān)內(nèi)容。本站擁有對此聲明的最終解釋權(quán)。
