人工智能硬件创业不能遗忘的4S机遇

正文

请到「今天看啥」查看全文

规模化扩展

几乎每一个讲者都会提及Scalablity，从框架到实现。无论是Tensorflow还是Caffe，各个框架平台都需要考虑面向不同硬件运行深度学习网络的完整性、一致性。而那些对于需要实现成实际产品的工程，比如自动驾驶（Google Waymo等）、语音助手（Amazon Alexa等），高效的选择硬件规模更是一个需要攻关的主要难题。可规模化扩展的能力(Scalable）成为每个能广为使用的人工智能实现的铲平必须具备的特性。

Reference: Y. Jia, Caffe Talk

其实，归根结底，Scalabe是因为硬件总是有限的。过去几年，人工智能网络已经从AlexNet、VGG-19的浅层网络的迅速成长成超深层的ResNet，以及多个网络相辅相成的生成对抗式网络（Generative Adversarial Network）。虽然，以NVdia为首的硬件公司也在不断突破，但是其增长速度恐怕无法与目前的神经网络相媲美。

因此，对于每一个深度学习神经网络的实现，在每一个层次实现时，除了计算的高效性外，将大规模网络裂解（partition）并且映射（mapping）到有限的硬件上就成为了一个踏踏实实的问题。表现在接口设计、数据结构的选择等各个层次。而只有那些可以规模化扩展的人工智能硬件，才能在算法日新月异的今天立于不败之地。

Sensable

请到「今天看啥」查看全文