Intel深度學(xué)習(xí)新算法SLIDE比8張NVIDIA卡快
AI（人工智能）是當(dāng)今科技圈的熱門話題，深度學(xué)習(xí)則是AI訓(xùn)練的重要手段之一。如何學(xué)習(xí)要靠硬件和算法支撐，這方面，Intel力挺CPU，NVIDIA則力挺GPU。
日前，Intel實(shí)驗(yàn)室聯(lián)合美國(guó)萊斯大學(xué)宣布了一種突破性的深度學(xué)習(xí)新算法SLIDE。
SLIDE基于散列開發(fā)，而非當(dāng)前最富盛名的BP算法（反向傳播算法）所基于的矩乘。
借助SLIDE，CPU用于傳統(tǒng)AI模型深度學(xué)習(xí)訓(xùn)練的效率大大提升。研究論文舉例稱，一套擁有44個(gè)Xeon核心的平臺(tái)和一套價(jià)值10萬美元、由8張NVIDIA Vlta V100加速卡支撐的平臺(tái)（TensorFlow框架）執(zhí)行相同的訓(xùn)練任務(wù)，前者用時(shí)1小時(shí)，后者則花了3.5小時(shí)。
有趣的是，Intel還表示，它們這套平臺(tái)尚未充分優(yōu)化，還是“殘血”狀態(tài)，比如處理器的DLBoost并未啟用。
不過，這套44核至強(qiáng)平臺(tái)到底是什么型號(hào)CPU并未公布，一說就是22核心44線程的至強(qiáng)鉑金6238，一說是雙路至強(qiáng)鉑金6238，還有可能是未發(fā)布的產(chǎn)品。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
英特爾
+關(guān)注
關(guān)注
61文章
10015瀏覽量
172412 -
AI
+關(guān)注
關(guān)注
87文章
31670瀏覽量
270463 -
英偉達(dá)
+關(guān)注
關(guān)注
22文章
3853瀏覽量
92063 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5516瀏覽量
121593
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
4G模組SD卡接口編程：深度學(xué)習(xí)
今天我們需要深度學(xué)習(xí)的是4G模組SD卡接口編程，以我常用的模組Air724UG為例，分享給大家。
NPU在深度學(xué)習(xí)中的應(yīng)用
設(shè)計(jì)的硬件加速器，它在深度學(xué)習(xí)中的應(yīng)用日益廣泛。 1. NPU的基本概念 NPU是一種專門針對(duì)深度學(xué)習(xí)算法優(yōu)化的處理器，它與傳統(tǒng)的CPU和G
AI大模型與深度學(xué)習(xí)的關(guān)系
人類的學(xué)習(xí)過程，實(shí)現(xiàn)對(duì)復(fù)雜數(shù)據(jù)的學(xué)習(xí)和識(shí)別。AI大模型則是指模型的參數(shù)數(shù)量巨大，需要龐大的計(jì)算資源來進(jìn)行訓(xùn)練和推理。深度學(xué)習(xí)算法為AI大模型
FPGA做深度學(xué)習(xí)能走多遠(yuǎn)？
的應(yīng)用場(chǎng)景。
? 可重構(gòu)性：在深度學(xué)習(xí)高速迭代的情況下，F(xiàn)PGA 比一些專用芯片（如 ASIC）具有更強(qiáng)的靈活性。當(dāng)深度學(xué)習(xí)
發(fā)表于 09-27 20:53
深度識(shí)別算法包括哪些內(nèi)容
深度識(shí)別算法是深度學(xué)習(xí)領(lǐng)域的一個(gè)重要組成部分，它利用深度神經(jīng)網(wǎng)絡(luò)模型對(duì)輸入數(shù)據(jù)進(jìn)行高層次的理解和識(shí)別。深
NVIDIA推出全新深度學(xué)習(xí)框架fVDB
在 SIGGRAPH 上推出的全新深度學(xué)習(xí)框架可用于打造自動(dòng)駕駛汽車、氣候科學(xué)和智慧城市的 AI 就緒型虛擬表示。
深度學(xué)習(xí)算法在嵌入式平臺(tái)上的部署
隨著人工智能技術(shù)的飛速發(fā)展，深度學(xué)習(xí)算法在各個(gè)領(lǐng)域的應(yīng)用日益廣泛。然而，將深度學(xué)習(xí)算法部署到資源
深度學(xué)習(xí)算法在集成電路測(cè)試中的應(yīng)用
隨著半導(dǎo)體技術(shù)的快速發(fā)展，集成電路（IC）的復(fù)雜性和集成度不斷提高，對(duì)測(cè)試技術(shù)的要求也日益增加。深度學(xué)習(xí)算法作為一種強(qiáng)大的數(shù)據(jù)處理和模式識(shí)別工具，在集成電路測(cè)試領(lǐng)域展現(xiàn)出了巨大的應(yīng)用潛力。本文將從
利用Matlab函數(shù)實(shí)現(xiàn)深度學(xué)習(xí)算法
在Matlab中實(shí)現(xiàn)深度學(xué)習(xí)算法是一個(gè)復(fù)雜但強(qiáng)大的過程，可以應(yīng)用于各種領(lǐng)域，如圖像識(shí)別、自然語言處理、時(shí)間序列預(yù)測(cè)等。這里，我將概述一個(gè)基本的流程，包括環(huán)境設(shè)置、數(shù)據(jù)準(zhǔn)備、模型設(shè)計(jì)、訓(xùn)練過程、以及測(cè)試和評(píng)估，并提供一個(gè)基于Mat
深度學(xué)習(xí)中的無監(jiān)督學(xué)習(xí)方法綜述
應(yīng)用中往往難以實(shí)現(xiàn)。因此，無監(jiān)督學(xué)習(xí)在深度學(xué)習(xí)中扮演著越來越重要的角色。本文旨在綜述深度學(xué)習(xí)中的無監(jiān)督學(xué)
深度學(xué)習(xí)的基本原理與核心算法
處理、語音識(shí)別等領(lǐng)域取得了革命性的突破。本文將詳細(xì)闡述深度學(xué)習(xí)的原理、核心算法以及實(shí)現(xiàn)方式，并通過一個(gè)具體的代碼實(shí)例進(jìn)行說明。
深度學(xué)習(xí)模型訓(xùn)練過程詳解
深度學(xué)習(xí)模型訓(xùn)練是一個(gè)復(fù)雜且關(guān)鍵的過程，它涉及大量的數(shù)據(jù)、計(jì)算資源和精心設(shè)計(jì)的算法。訓(xùn)練一個(gè)深度學(xué)習(xí)模型，本質(zhì)上是通過優(yōu)化
深度學(xué)習(xí)芯片組行業(yè)市場(chǎng)規(guī)模分析及發(fā)展趨勢(shì)預(yù)測(cè)報(bào)告
增長(zhǎng)率CAGR為 35.5%。NVIDIA、Intel和IBM是深度學(xué)習(xí)芯片組行業(yè)的領(lǐng)跑企業(yè)，總共約占50%的市場(chǎng)份額。美國(guó)地區(qū)是全球市場(chǎng)的主要地區(qū)，占據(jù)了大約70%的市場(chǎng)份額。
深度解析深度學(xué)習(xí)下的語義SLAM
隨著深度學(xué)習(xí)技術(shù)的興起，計(jì)算機(jī)視覺的許多傳統(tǒng)領(lǐng)域都取得了突破性進(jìn)展，例如目標(biāo)的檢測(cè)、識(shí)別和分類等領(lǐng)域。近年來，研究人員開始在視覺SLAM算法中引入深度
發(fā)表于 04-23 17:18
?1393次閱讀
為什么深度學(xué)習(xí)的效果更好？
，這些原則和進(jìn)步協(xié)同作用使這些模型異常強(qiáng)大。本文探討了深度學(xué)習(xí)成功背后的核心原因，包括其學(xué)習(xí)層次表示的能力、大型數(shù)據(jù)集的影響、計(jì)算能力的進(jìn)步、算法創(chuàng)新、遷移
工商網(wǎng)監(jiān)
評(píng)論