Fujitsu разрабатывает технологию для быстрой обработки данных в процессе глубинного обучения

18 Августа 2016
Глубинное обучение – это технология, которая демонстрирует гораздо более высокий уровень точности распознавания по сравнению с предыдущими разработками. Но для обеспечения высокой точности распознавания требуется постоянный анализ больших массивов данных. Для этого использовались графические процессоры, которые лучше подходят для высокоскоростных операций по сравнению с обычными центральными процессорами (CPU).

Как правило, для ускорения глубинного обучения требуется несколько компьютеров с мощными GPU, которые объединены в сеть и работают параллельно. Недостатком этой методики является то, что при объединении более 10 вычислительных машин увеличивается время обмена данными между компьютерами, и специалистам все труднее добиться эффекта параллелизма.

Fujitsu заново разработала технологию параллелизации, которая обеспечивает эффективный и быстрый обмен данными между компьютерами. Новая технология была протестирована в рамках платформы глубинного обучения Caffe. В рамках теста, измеряющего время обучения с помощью AlexNet1 и сети компьютеров с 64 GPU, новая разработка продемонстрировала скорость обучения, которая в 27 раз выше, чем при работе одного компьютера с одним GPU. По сравнению с результатами без использования новой технологии скорость обучения была увеличена на 46% для сети с 16 GPU и на 71% для 64 GPU. Эти показатели являются рекордными скоростями обработки данных2. С помощью новой технологии задачи машинного обучения, для выполнения которых раньше требовался один месяц, теперь могут быть выполнены примерно за день в параллельном режиме работы 64 GPU.

В рамках разработки и внедрения двух новых технологии Fujitsu удалось увеличить скорость обработки данных при глубинном обучении:

1. Технология установки очередности обмена данными
Эта технология автоматически контролирует приоритет обмена данными для того, чтобы данные, необходимые для начала следующей сессии обучения, обменивались между несколькими компьютерами заблаговременно. В существующих технологиях обработка задач по обмену данными первого уровня, которые нужны для начала следующего процесса обучения, выполняется последней, что увеличивает задержку. В новой технологии, за счет выполнения обработки задач по обмену данными первого уровня во время обработки задач по обмену данными второго уровня, время ожидания сокращается.

2. Технология обработки, которая оптимизирует рабочие операции в соответствии с размером данных
Для обработки данных, при которой результаты операций передаются всем компьютерами, и изначальный объем данных небольшой, каждый компьютер обменивается данными и затем выполняет такую же операцию, что позволяет устранить время, необходимое для передачи и получения результатов. Когда объем данных большой, обработка распределяется, и результаты обработки передаются другим компьютерам для последующих операций. За счет автоматического выбора оптимального метода на основе размера данных эта технология увеличивает общую скорость работы.

С помощью новой технологии можно сократить время исследований и разработок в области глубинного обучения, включая разработку уникальных моделей нейронной сети для автоматизированного управления роботами, автомобилями и пр. Кроме того, преимущества новой разработки можно применить в сфере финансов и здравоохранения, включая задачи по классификации патологий и прогнозирование биржевых курсов. Fujitsu планирует уже в 2016 году начать извлекать коммерческую выгоду из новой разработки в рамках проекта искусственного интеллекта Human Centric AI Zinrai.


Примечания для редакторов

1 AlexNet - Многоуровневая нейронная сеть для распознавания изображений. В 2012 г. сеть была отмечена рядом наград за высокое качество распознавания изображений, и сейчас она является основой крупнейших мировых нейронных сетей.
2 По состоянию на 5 августа 2016 г. (согласно собственным исследованиям Fujitsu).


Ресурсы
- Блог Fujitsu: http://blog.ts.fujitsu.com
- Следуйте за Fujitsu на Твиттер: https://twitter.com/Fujitsu_RUS
- Следите за нами на LinkedIn: https://www.linkedin.com/company/fujitsu-russia-and-cis
- Найдите Fujitsu на Facebook: https://www.facebook.com/fujitsu.ru
- Медиасервер Fujitsu: http://mediaportal.ts.fujitsu.com/pages/portal.php
- Самые свежие новости Fujitsu: http://www.fujitsu.com/ru/about/info-center/press/index.html


Дополнительная информация:
Антон Щёгутов, агентство «Маркетинговый центр»
Тел.: +7 831 461-91-10
anton_shchyogutov@marketingcentre.ru

О компании Fujitsu
Компания Fujitsu – японская компания-лидер рынка информационных и коммуникационных технологий (ICT), предлагающая полный спектр технологических продуктов, решений и услуг. Около 159 000 сотрудников Fujitsu обслуживают заказчиков в более чем 100 странах мира. Наш опыт и мощь информационных и коммуникационных технологий помогают строить будущее общества вместе с нашими клиентами. Согласно опубликованным отчетам за финансовый год, завершившийся 31 марта 2016 года, совокупная выручка компании Fujitsu Limited (TSE:6702) составила 4,7 трлн. йен (41 млрд. долларов США). Для получения дополнительной информации посетите веб-сайт http://www.fujitsu.ru

Fujitsu EMEIA
Fujitsu помогает заказчикам открыть для себя неограниченные возможности, которые дают современные цифровые технологии, находя баланс между использованием надежных ИТ-платформ и внедрением цифровых инноваций. Компания поставляет на рынок широкий спектр современных продуктов, решений и услуг, обеспечивающих конкурентные преимущества в эпоху цифровой трансформации. В Fujitsu EMEIA работают более 26 тыс. человек. Подразделение входит в глобальную группу Fujitsu Group. Для получения дополнительной информации посетите интернет-страницу http://www.fujitsu.com/fts/about

Названия других компаний и видов продукции, упомянутые в настоящем документе, являются товарными знаками или зарегистрированными товарными знаками своих законных владельцев. Данное информационное сообщение содержит сведения, которые действительны на момент публикации и могут быть изменены в любое время без какого-либо предупреждения.
Антон
Fujitsu