IBM公司在21世纪早期引进了Watson，从而进入了人工智能现在的周期，并且从那时候开始在不断加大力度。最近，IBM发布了PowerAI，IBM的软件工具包解决方案与OpenPower系统配合使用，针对那些不想完全从头开始开发自己的AI解决方案，但是仍然希望定制满足自己特定 学习需求的企业。如今，IBM Research公布了一项新突破，这将只会进一步加强PowerAI和其它的AI产品，这是一个在过去六个月中我所看到的突破性的分布式 学习软件。
摆脱单点瓶颈
所有一直关注人工智能的人都知道， 学习在近几年才真正发展起来。它为商业领域和消费者的百个应用程序提供支持，并且在持续增加。然而，阻碍 学习进一步激增的最大问题之一是可扩展性问题。现在大多数AI服务器只是一个单一的系统，而不是多个系统的组合。最流行的开源 学习软件框架在多个服务器上表现不佳，造成了一个耗时的瓶颈。换句话说，尽管许多数据科学家已经可以访问4到8个GPU服务器，他们不能利用它扩展到单个节点之外，到目前为止，这个软件并不是为此而设计的。
输入IBM DDL库：这个库使用IBM Research的独特集群方式构建，连接到领先的开源AI框架（如：TensorFlow， Caffee， Torch， 和Chainer）。通过DDL，这些框架能扩展到数十台IBM服务器，利用数百个GPU—一种旧的昼夜不同的处理模型。为了描绘一张照片，当IBM最初试图用 ImageNet－22K 数据集来训练一个模型时，使用ResNet－101模型，在一台Power “Minsky” 服务器上，加上4台英伟达P100 GPU加速器，花费16天。16天的训练意味着大大延迟了洞察力，以及严重阻碍生产力。
IBM称DDL为“ 学习的喷气式引擎”—一个吸引人的名字，确实不太离谱。IBM表示，使用DDL技术，能够在64台Power “Minsky”服务器上，一共256个英伟达的P100GPU，将相同的流程缩减到7个小时。让我重申一下：16天缩减到7个小时。如果这些结果精确的话，那么为什么IBM认为它可以真正的改变游戏规则？在7个小时内，IBM的新的图像识别准确度33．8％的记录，超过了微软在业界创立的10天精确度29．9％的记录。为了完成这一切，IBM表示，DDL可以高效扩展，上升到256个GPU，Caffe 学习框架的效率提升到95％。
测试版已经上线
开发者不用非要等到尝试这项新技术。IBM research正在为IBM系统提供一个DDL测试版，IBM系统现在已经发布了新版本IBM PowerAI （TensorFlow 和 Caffe， Torch 和 Chainer 即将推出）的第四个版本。我认为这将是IBM电源系统的一个重要的补充，他被称作“瑞士军刀加速器”—标准PCI Express、CAPI和NVLink标准，都被封装在一个平台上。
关于DDL，另外一个需要特别注意的是，它将不仅可以在本地使用，还可以在云端使用—通过云端服务商Nimbix提供。今天的异构环境，灵活性是显而易见的。开发者能够在Nimbix者在IBM Power系统服务器上，使用测试版本。
总结
很有意思的事情是，这项新技术是来自于IBM，而不是其它如谷歌或者Facebook，这样更大更响亮的AI组件支持者。看起来，IBM能够继续携“第一”到桌面上，IBM不仅是企业领的主要参与者，还在 学习领域也是。DDL和OpenPOWER是秘密资源—我相信未来将给IBM所需要的结果—大大缩短训练时间，提高精确度和效率。我认为消除了瓶颈，DDL有潜力去实现打开 学习的门闸。这对IBM、PowerAI和OpenPOWER是真正改变游戏规则。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
