索尼通過分散式學習重新整理全球深度學習技術速度 助力高效開發人工智慧

人工智慧橋接雲基礎設施（ABCI）是用於AI處理的世界級計算基礎架構，由日本產業技術綜合研究所（AIST）建造並 運營。索尼公司近日宣佈，已利用 ABCI和其深度學習開發框架“核心庫：神經網路庫”，重新整理了全球深度學習技術速度。

深度學習是一種使用模仿人腦神經網路的機器學習方法。通過利用深度學習，近年來影象和聲音識別能力得以迅速增長，甚至在某些領域的表現已優於人類。 然而，由於用於學習的資料和用於提高識別準確度的模型引數不斷加大，導致計算時間不斷增多。 在某些情況下，進行一次學習需要數週甚至數月時間。由於AI開發是一個需要連續試錯的過程，縮短學習時間至關重要。因此，目前使用多個GPU縮短學習時間的分散式學習是一種普遍的解決方案。

當增加用於分散式學習的GPU數量時，有時批量資料的增加（一次要處理的資料量）會讓學習過程暫停，或出現由於GPU之間的資料傳輸處理延遲導致學習速度降低等情況。通過利用可確定合理資料批量大小和適當GPU數量的技術，索尼實現了在ABCI等大規模GPU環境中進行學習，並提高了通過針對ABCI系統結構優化的資料同步技術而實現的GPU之間的傳輸速度。這些技術被運用於“神經網路庫”中，並使用AIST的“ABCI Grand Challenge”ABCI計算資源進行學習。因此，它能夠在大約3.7分鐘內（當使用多達2,176個GPU時）完成ImageNet / ResNet-50 （用於測量深度學習分散式學習速度的一般行業基準），重新整理了全球深度學習技術速度。點選查閱該項研究結果。

該實驗的結果表明，使用神經網路庫進行的學習或執行（深度學習）可以重新整理全球深度學習技術速度，並且通過使用這一框架，可在更短試驗期間內，使用深度學習進行技術開發。展望未來，索尼將繼續開發相關技術，並致力於利用人工智慧技術為社會發展做貢獻。