百度将 HPC 技术引入深度学习;卡巴斯基操作系统;AMD Ryzen 预售等 | AI 开发者头条

简介:

百度将 Ring Allreduce 算法引入深度学习

Ring Allreduce 本是 HPC (高性能计算)领域的一项技术。日前,百度硅谷 AI 实验室已成功将其移植到深度学习平台,借此来加速 GPU 之间的数据传输速率。目前,在 GPU 并行计算中,它们之间的通信瓶颈是制约深度学习模型训练速度的主要障碍之一。百度宣布,Ring Allreduce 算法的引入将移除该瓶颈,大幅提升多 GPU 和分布式计算环境下的深度学习模型运算效率。雷锋网获得消息,该技术已被百度成功应用于语音识别。

该算法以库和 Tensorflow 补丁的形式向开发者开源,分别为 baidu-allreduce 和 tensorflow-allreduce,已在 GitHub 上线。

 GitHub:https://github.com/baidu-research/baidu-allreduce

https://github.com/baidu-research/tensorflow-allreduce

详情:http://www.leiphone.com/news/201702/QaSmvdQNbiY4CxBy.html

百度博客(英文):http://research.baidu.com/bringing-hpc-techniques-deep-learning/

卡巴斯基发布操作系统 Kaspersky OS

百度将 HPC 技术引入深度学习;卡巴斯基操作系统;AMD Ryzen 预售等 | AI 开发者头条

与 Linus、Windows,Mac OS 等优先系统兼容性和通用性的考虑不同,Kaspersky OS 的设计目的有且只有一个:最大化安全。因此 Kaspersky OS 采用了 Flux 高级安全内核架构(FLASK)。卡巴斯基不但表示 Kaspersky OS 要做世界上最安全的操作系统,还宣称, Kaspersky OS 的密钥只有量子计算机级别的计算能力才能破解。

雷锋网获知,该系统面向的并非消费者终端(PC),而是网络设备、工业控制系统和物联网设备。它同时兼容 X86 和 ARM 两大架构平台。值得注意的是,卡巴斯基声称该系统和 Linux 没有任何关系,从头到尾完全自行设计,并因此耗费了巨大人力——公司 CEO Eugene Kaspersky 表示,该系统秘密研制已有 14 年。

谷歌发布全新 TensorFlow 库“tf.Transform”

谷歌表示,tf.Transform 将改善 TensorFlow 的数据预处理和格式转化难题。

以下是谷歌对tf.Transform 的技术介绍:

“今天我们正式发布 tf.Transform,一个基于 TensorFlow 的全新功能组件,它允许用户在大规模数据处理框架中定义预处理流水线(preprocessing pipelines),同时还可以将这些流水线导出,将其作为 TensorFlow 计算图(TensorFlow graph)的一部分。


用户可以通过组合 Python 函数来定义该流水线,然后在 Apache Beam 框架下通过 tf.Transform 执行。(注:Apache Beam 是一个用于大规模的、高效的、分布式的数据处理的开源框架)目前,基于 Apache Beam 框架的流水线可以在 Google Cloud Dataflow 平台上运行,并计划在未来支持更多的平台(可能包括 Apache Apex,Apache Flink 和 Apache Spark 等)。值得一提的是,通过 tf.Transform 导出的 TensorFlow 计算图还可以在模型预测阶段将这种数据预处理步骤复用(例如,通过 Tensorflow Serving 提供模型时)。”

GitHub:https://github.com/tensorflow/transform

谷歌博客:http://research.googleblog.com/2017/02/preprocessing-for-machine-learning-with.html

法国研究人员实现用深度学习预测衰老长相

百度将 HPC 技术引入深度学习;卡巴斯基操作系统;AMD Ryzen 预售等 | AI 开发者头条

众所周知,此前的深度学习技术虽然能将输入的年轻人脸图像,输出为老年图像,但在这过程中会失去一些面部特征与识别信息,其结果并不准确——严格来说,输出的图像不能说是对同一个人衰老长相的预测。

但现在,法国的一组研究人员成功实现了用深度学习算法,将同一个人的面部照片做“衰老”或“年轻化”处理。换句话说,既能预测老年相貌,也能重现年轻时的面容。上图是研究结果示范。

该研究发表于 ArXiv,题目为“Face Aging With Conditional Generative Adversarial Networks”。

“老得不敢拍照片”或许将退出历史舞台。美图对此怎么看?

ArXiv:https://arxiv.org/abs/1702.01983

AMD 八核十六线程 Ryzen“锐龙”CPU 全球同步预售

百度将 HPC 技术引入深度学习;卡巴斯基操作系统;AMD Ryzen 预售等 | AI 开发者头条

AMD 于昨晚 AMD Ryzen Tech Day 正式发布 Ryzen。这来得有些突然——此前媒体与行业人士普遍估计 Ryzen 将在 MWC 发布。不过,Ryzen 发货时间仍然是 3 月 3 日(国行),目前预售开启。

我们来看看预售的三款 7 系 Ryzen 的国行售价:

  • Ryzen 7 1800X 3999 元

  • Ryzen 7 1700X 3099 元

  • Ryzen 7 1700 2499 元

不同电商平台上有 200~300 元不等的预订优惠,感兴趣的可关注。

雷锋网(公众号:雷锋网)提醒:由于事出突然,全世界范围内 Ryzen 的评测还没有放出。目前我们对于它的所有了解,完全基于 AMD 官方宣传信息,以及此前泄露的工程版本芯片跑分。因此,对于这三款芯片之间的性能差距到底有多大、是否值得这中间的差价,尚无定论。业内对“X ”版本性能强在哪里、与非 X 版本的超频潜力差别也尚有疑虑。仅给正在选择的买主做个提醒。

顺便说一句,苏妈给出的官方 Cinebench R15 nt 跑分是:

Ryzen 7 1700:1410 ;

Ryzen 7 1700X:1537;

Ryzen 7 1800X:1601 

根据得分,大家最关心的 1700X 比 1700 有约 9% 的性能提升。与之对比的英特尔跑分:

酷睿 i7 7700k:967;

酷睿 i7 6800k:1108

酷睿 i7 6900k:1474 

史上最强凌动 英特尔发布 Atom C3000

百度将 HPC 技术引入深度学习;卡巴斯基操作系统;AMD Ryzen 预售等 | AI 开发者头条

这是凌动产品线首个 16 核 CPU,它整合了多项多见于服务器芯片中的技术:比如 RAS 功能,该功能可即时修正数据错误,并防止网络和存储设备崩溃。 与现有凌动产品线面向移动设备的定位不同,Atom C3000 的服务对象将是存储阵列、网络设备和物联网设备。将为它们带来更强大的数据处理能力。

简而言之,这是款与消费者无关、但关乎网络设备开发商的凌动。 





本文作者:三川
本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
14天前
|
机器学习/深度学习 算法框架/工具
深度学习中的正则化技术:防止过拟合的利器
【9月更文挑战第20天】在探索深度学习模型的无限可能性时,我们不得不面对一个常见的挑战——过拟合。本文将深入探讨如何通过正则化技术来对抗这一难题,包括L1和L2正则化、Dropout以及数据增强等方法。我们将以简明的语言和直观的比喻,带领您了解这些技术如何在训练过程中发挥作用,并展示一些实用的代码片段,帮助您在自己的项目中实现它们。
|
1天前
|
机器学习/深度学习 TensorFlow 算法框架/工具
深度学习中的图像识别技术及其应用
【9月更文挑战第33天】本文将深入探讨深度学习在图像识别领域的应用,并展示如何通过实际代码实现一个简单的图像识别模型。我们将从基本原理出发,逐步引入关键技术和实现方法,最终通过一个实例来演示整个过程。
|
2天前
|
机器学习/深度学习 自然语言处理
深度学习中的模型压缩技术:精度与效率的平衡
在深度学习领域,模型压缩技术已经成为一项关键技术。它通过减少模型的参数数量和计算量,实现了模型的轻量化和高效化。本文将介绍几种常见的模型压缩方法,包括参数剪枝、量化、知识蒸馏等,并探讨这些方法如何帮助模型在保持精度的同时提高运行效率。我们将分析每种方法的原理、实现步骤以及优缺点,并通过实验结果对比不同方法的性能表现。最后,我们将讨论模型压缩技术在未来可能的发展方向及其应用前景。
6 1
|
15天前
|
人工智能 物联网 开发者
魔搭上线AIGC专区,为开发者提供一站式AI创作开发平台
魔搭上线AIGC专区,首批上架157个风格化大模型,专业文生图全免费~
|
15天前
|
人工智能 运维 云计算
阿里云无影AI云电脑亮相 体验大幅升级
9月20日,2024云栖大会上阿里云无影AI云电脑全新亮相,基于最新的终端云计算技术和AI大模型能力,无影的综合体验大幅提升,新增了弹性升降配、双网自由切换、多端操作系统知识库问答、编码大师等AI智能体功能,为安全办公、个人娱乐带来全新的云上流畅体验,更可畅玩《黑神话:悟空》等3A游戏大作。同时,无影还宣布向开发者全面开放应用中心生态,开发者可免费入驻。
125 15
|
8天前
|
机器学习/深度学习 监控 TensorFlow
深度学习中的图像识别技术:从理论到实践
【9月更文挑战第26天】在本文中,我们将深入探讨深度学习在图像识别领域的应用。首先,我们将介绍深度学习的基本原理和关键技术,然后通过一个实际的案例——手写数字识别,展示如何利用Python和TensorFlow实现深度学习模型。最后,我们将讨论深度学习在图像识别领域的挑战和未来发展方向。
|
8天前
|
机器学习/深度学习 算法框架/工具 Python
深度学习中的正则化技术
【9月更文挑战第26天】本文将探讨深度学习中的一种重要技术——正则化。我们将介绍正则化的基本概念,以及它在防止过拟合中的作用。然后,我们将详细讨论几种常见的正则化方法,包括L1和L2正则化,以及最近提出的一些先进的正则化策略。最后,我们将通过一些代码示例来展示如何在实际应用中使用这些正则化技术。无论你是深度学习的初学者,还是有一定经验的研究者,这篇文章都将为你提供有价值的参考。
|
8天前
|
机器学习/深度学习 存储 自然语言处理
深度学习中的模型压缩技术
在现代深度学习应用中,模型的复杂性和体积不断增加,给存储和计算带来了巨大的挑战。为了解决这些问题,模型压缩技术应运而生,并成为研究热点。本文将介绍什么是模型压缩技术,探讨其常见方法及应用实例,分析其在实际应用中的效果和前景。
16 1
|
16天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习与计算机视觉的结合:技术趋势与应用
深度学习与计算机视觉的结合:技术趋势与应用
64 9
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI的未来:深度学习与自然语言处理的融合
【9月更文挑战第22天】本文旨在探讨AI技术中深度学习与自然语言处理的结合,以及它们如何共同推动未来技术的发展。我们将通过实例和代码示例,深入理解这两种技术如何相互作用,以及它们如何影响我们的生活和工作。
33 4
下一篇
无影云桌面