作為人工智能最重要的基礎技術(shù)之一，近年來(lái)深度學(xué)習逐步延伸到更多的應用場(chǎng)景。隨著(zhù)深度學(xué)習模型越來(lái)越大，所需數據量越來(lái)越多，深度學(xué)習的訓練和推理性能將是重中之重。

　　近日，斯坦福大學(xué)發(fā)布了 DAWNBenchmark 的最新成績(jì)，在圖像識別(ResNet50-on-ImageNet，93% 以上精度)的總訓練時(shí)間上，華為云 ModelArts 排名世界第一，僅需 10 分 28 秒，比第二名提升近 44%。成績(jì)證明，華為云 ModelArts 實(shí)現了更低成本、更快速度、更極致的體驗。

　　斯坦福大學(xué) DAWNBench 是用來(lái)衡量端到端的深度學(xué)習模型訓練和推理性能的國際權威基準測試平臺，相應的排行榜反映了當前全球業(yè)界深度學(xué)習平臺技術(shù)的領(lǐng)先性。

　　深度學(xué)習訓練加速 需求日益劇增

　　人工智能領(lǐng)域存在巨大的反差，一方面論文數量、AI 計劃、創(chuàng )業(yè)公司數量繁多，一方面傳統行業(yè)和企業(yè)卻鮮有部署 AI，AI 普及率在多個(gè)行業(yè)還是個(gè)位數。華為 GIV 預測，到 2025 年，全球人工智能終端將達到 400 億臺，企業(yè)應用云化率將達到 85%;企業(yè)數據利用率將達到 80%;86% 的企業(yè)將應用人工智能。

　　近年來(lái)，深度學(xué)習已經(jīng)廣泛應用于計算機視覺(jué)、語(yǔ)音識別、自然語(yǔ)言處理等領(lǐng)域，為了達到更高的精度，通常深度學(xué)習所需數據量和模型都很大，訓練非常耗時(shí)，這也在一定程度上阻礙了深度學(xué)習應用的開(kāi)發(fā)進(jìn)度。因此，深度學(xué)習訓練加速一直是學(xué)術(shù)界和工業(yè)界所關(guān)注的重要問(wèn)題。

　　最近 BigGAN、NASNet、BERT 等模型的出現，預示著(zhù)訓練更好精度的模型需要更強大的計算資源。未來(lái)隨著(zhù)模型的增大、數據量的增加，深度學(xué)習訓練加速將變得更加重要。

　　華為云 ModelArts 是一站式的 AI 開(kāi)發(fā)平臺，已經(jīng)在公測中。在模型訓練部分，ModelArts 通過(guò)硬件、軟件和算法協(xié)同優(yōu)化來(lái)實(shí)現訓練加速?？蓪⒂柧殨r(shí)長(cháng)縮短到 10 分鐘，創(chuàng )造了新的紀錄，為用戶(hù)節省 44% 的時(shí)間。ModelArts 提供自動(dòng)學(xué)習、數據管理等多個(gè)模塊化的服務(wù)，可以幫助不同層級的用戶(hù)很快地開(kāi)發(fā)出自己的 AI 模型。

　　開(kāi)發(fā)者只需聚焦業(yè)務(wù)模型，無(wú)憂(yōu)其他

　　在衡量分布式深度學(xué)習的加速性能時(shí)，主要通過(guò)兩個(gè)指標來(lái)衡量，一個(gè)是吞吐量，即單位時(shí)間內處理的數據量;另一個(gè)是收斂時(shí)間，即達到一定的收斂精度所需的時(shí)間。

　　吞吐量一般取決于服務(wù)器硬件、數據讀取和緩存等方面的優(yōu)化，大部分技術(shù)在提升吞吐量的同時(shí)，不會(huì )造成對模型精度的影響。為了達到最短的收斂時(shí)間，需要在優(yōu)化吞吐量的同時(shí)，在調參方面也做調優(yōu)。如果調參調得不好，那么吞吐量有時(shí)也很難優(yōu)化上去。

　　對用戶(hù)而言，最終關(guān)心的指標是收斂時(shí)間，ModelArts 實(shí)現了全棧優(yōu)化，分別在數據讀取和預處理、模型計算、超參調優(yōu)、底層優(yōu)化等方面進(jìn)行優(yōu)化，縮短了訓練收斂時(shí)間。

　　在易用性方面，上層開(kāi)發(fā)者僅需關(guān)注業(yè)務(wù)模型，無(wú)需關(guān)注下層分布式相關(guān)的 API，僅需根據實(shí)際業(yè)務(wù)定義輸入數據、模型以及相應的優(yōu)化器即可，訓練腳本與運行環(huán)境(單機或者分布式)無(wú)關(guān)，上層業(yè)務(wù)代碼和分布式訓練引擎可以做到完全解耦。

　　華為云 ModelArts 致力于為用戶(hù)提供更快的 AI 開(kāi)發(fā)體驗，在模型訓練這方面，內置的 MoXing 框架使得深度學(xué)習模型訓練速度有了很大的提升。事實(shí)上，深度學(xué)習加速屬于一個(gè)從底層硬件到上層計算引擎、再到更上層的分布式訓練框架及其優(yōu)化算法多方面協(xié)同優(yōu)化的結果，具備全棧優(yōu)化能力才能將用戶(hù)訓練成本降到最低。后續，華為云 ModelArts 將進(jìn)一步整合軟硬一體化的優(yōu)勢，逐步集成更多的數據標注工具，擴大應用范圍，在公有云上為用戶(hù)提供 AI 服務(wù)。
　?。?a href="http://www.hnsema.com">邯鄲網(wǎng)站建設）