A Fujitsu új AI-alapú mélytanulási technológiája új megvilágításba helyezi a társadalom valós problémáit

forrás: Prím Online, 2017. május 26. 10:08

A Fujitsu frissen bemutatott áttörő jelentőségű mélytanulási fejlesztése rendkívül hatékony, új memóriaelosztási mechanizmust alkalmaz a mély neurális hálózatoknál (Deep Neural Network, DNN). 

A beszéd- és objektumfelismerést és kategorizálást végző AI-alkalmazásoknál széles körben használt neurális hálózatok működése rengeteg számítási erőforrást igényel, így komoly követelményeket támaszt a meglévő számítási infrastruktúrával szemben. A Fujitsu Laboratories of Europe új mélytanulási megoldása, a modellpárhuzamosítás képes arra, hogy automatizált, átlátható és könnyen kezelhető módon elossza a DNN memóriaigényét. Így további beruházások nélkül is jelentősen bővíthető a meglévő infrastruktúra nagyszabású AI-alkalmazásokhoz használható kapacitása.

 

„Az utóbbi években számos olyan új technológiai fejlesztés jelent meg, amely hardveres gyorsítással biztosítja az AI-alkalmazások mély neurális hálózatainak (DNN) kiépítéséhez szükséges óriási számítási kapacitást. A DNN számítási költségeinek folyamatos növekedése komoly kihívás, különösen, amikor a modellméret eléri azt a pontot, ahol már nem fér el egyetlen gyorsító memóriájában. Szélesebb és mélyebb neurális hálózatokra és finomabb kategorizálásra van szükség az AI új kihívásainak kezeléséhez. A megoldásaink erre a problémára közvetlenül reagálva, több gép között osztják el a DNN memóriaigényét. Technológiánkkal így kiterjeszthető a neurális hálózatok mérete, ami pontosabb és nagyobb DNN-modellek kidolgozását teszi lehetővé” – nyilatkozta Dr. Tsuneo Nakata, a Fujitsu Laboratories of Europe vezérigazgatója az új mélytanulási technológia előnyeiről.    

 

A memória elosztásához az új technológia ekvivalens hálózatokra bontja az önkényesen felépülő neurális hálózatok egyes rétegeit, és a rétegek egy részét vagy egészét több kisebb alréteggel helyettesíti. Az alrétegek úgy vannak kialakítva, hogy funkcionálisan ekvivalensek legyenek az eredeti rétegekkel, de számítási szempontból sokkal hatékonyabban lehessen végrehajtani őket. Mivel az eredeti és az új rétegek is ugyanabból a profilból származnak, az átalakított és elosztott új DNN tanulási folyamata megegyezik az eredeti DNN-ével, így nem okoz többletköltséget. 

 

A Fujitsu Laboratories of Europe behatóan tesztelte az új technológiát. Az új mechanizmust alkalmazta például a globális K+F közösség által széles körben használt Caffee nyílt forráskódú mélytanulási keretrendszerre. A megoldás több mint 90 százalékkal javította a memóriaeloszlást azzal, hogy az AlexNet teljes körűen csatlakoztatott rétegeit több NVIDIA GPU-vá alakította át. Hardverfüggetlen technológia lévén a megoldás képes arra, hogy egyszerre hasznosítsa a hagyományos processzorok és a jelenlegi illetve jövőbeni új hardvergyorsítók – pl. NVIDIA GPU-k, Intel Xeno Phi, FPGA-k, ASIC-ok és bármely egyéb, kifejezetten a mélytanulás számítási hatékonyságának növelésére fejlesztett alternatív hardverlapka –  számítási teljesítményét.

 

 

Ábra: A modellpárhuzamosítás segítségével automatikus, átlátható és könnyen kezelhető módon csökken és oszlik el a DNN memóriaigénye 

 

Az új megoldás alkalmazási területei lehetnek pl.: egészségügyi elemzések (pl. a cukorbetegség okozta ideghártyabántalom észlelése); műholdképek kategorizálása és elemzése; IoT-eszközök kiterjedt grafikonadatai; pénzügyi tranzakciók; közösségi hálózati szolgáltatások; természetes nyelv feldolgozása (amelynél nagyméretű mélytanulási modellekre van szükség az emberi nyelv teljes komplexitásának modellezéséhez és megismeréséhez); stb.

Megoldás ROVAT TOVÁBBI HÍREI

Fényes jövő vár idén az adatközponti szektorra

Saját átalakulási folyamaton megy keresztül az adatközpontok piaca, amely magába foglalja a legmodernebb technológiák használatát a műveletek és az erőforrások elosztásának optimalizálása, valamint a biztonsági protokollok javítása érdekében. 

2024. március 28. 19:05

Országszerte elérhetővé válik a Netrevalók program

A Netrevalók program sikeres tavalyi indulása után idén az Informatikai és Könyvtári Szövetséggel kötött megállapodással országos szintűvé válik a kezdeményezés, és 27 fővárosi könyvtár mellett 48 vidéki intézmény is csatlakozik a programhoz. Így összesen már 45 településen lesz elérhető a generációk digitális edukálását célzó program. A digitális infrastruktúra fejlesztése érdekében a Magyar Telekom a Fővárosi Szabó Ervin Könyvtár és az Informatikai és Könyvtári Szövetség részére 100- 100 darab monitort adományoz a programban résztvevő könyvtárak számára.

2024. március 28. 11:50

Tabudöntögető témákat feszegetnek a diákok a Megoldások a holnapért programban

Kiválasztották a Samsung és az EdisonKids által meghirdetett Megoldások a holnapért kihívás legjobb 50 diákcsapatát. A fenntarthatóság, a jövő oktatása és a közösség hívószavára összesen 120 jövőformáló és kreatív pályázat érkezett az ország számos pontjáról. A továbbjutók új készségekkel és ismeretekkel gazdagodhatnak a Megoldások a holnapért speciális tanulási platformján, hogy újszerű megoldást dolgozhassanak ki az általuk felvetett problémára. Az oktatási anyagok összeállításában, a diákok tervezői gondolkodásának elmélyítésében idén ismét kulcspartner a Cellux Csoport. A csapatokat támogató tanárok mentorálásában a Hősök Tere Alapítvány ad szakmai segítséget.

2024. március 28. 10:01

Kövess minket a Facebookon!

Cikkgyűjtő

További fontos híreink

Megvannak az IAB 2023-as Legjobb szakdolgozat pályázatának nyertesei

2024. március 25. 15:50

A 2024-es év fordulópont lehet az IT munkaerőpiacon?

2024. március 20. 10:09

Nők az informatikában – Számít a nemek aránya a munkahelyen?

2024. március 12. 20:53

Szemünk előtt zajlik az e-kereskedelem mohácsi csatája

2024. március 6. 13:05