datasheet

英特尔人工智能——专为实际应用打造的工具

2018-11-01来源: 互联网关键字:人工智能  英特尔

如今人工智能 (AI) 的发展迎来了令人振奋的时刻。曾经只有具备深厚专业知识积累的公司才有可能使用人工智能,但短短几年后,随着软件工具、生态系统和硬件开发的日趋成熟,越来越多的公司开始应用人工智能,英特尔的众多客户通过人工智能技术在各种行业案例中取得了变革性的成功。同时我们也发现,并不存在某个单一的“最佳”硬件能够运行各种各样的人工智能应用。因为人工智能的形式是多种多样的,不同的应用也决定了从数据中心到边缘再到设备所需的硬件能力都会有所差别,因此我们需要更加多样化的硬件产品组合来满足不同的需求。英特尔人工智能产品能够满足多种多样的人工智能应用需求,在各种应用场景中都将为英特尔客户带来最高的回报。


从擅长对大量非结构化语音和文本数据进行训练和推理的英特尔®至强®可扩展处理器,到为实时推理提供出色吞吐量和低延迟的英特尔® FPGA,再到为摄像头提供超低功耗推理的英特尔® Movidius™视觉处理单元 (VPU),以及即将推出的英特尔® Nervana™神经网络处理器(英特尔® Nervana™ NNP),无论数据是存在于设备还是边缘,是数据中心还是在云上,英特尔提供了一个深度硅芯片基础,来实现数据中心的创新。除了硬件平台,英特尔在软件上也在进行大量投资,让不同的产品组合之间可以转换功能,从而不受限制地将人工智能带到各种应用程序中去。例如nGraph™这样的开源项目,降低了在不同硬件平台对不同深度学习框架(TensorFlow*、MXNet*、PyTorch*等)进行优化的难度,使得开发人员可以向其客户提供最佳的体验。

 

采用英特尔®至强®可扩展处理器进行高级深度学习训练


挑战:通过自动分析显微镜图像中数千个不同的个体特性发现新的治疗方法,这些图像尺寸远大于传统深度学习数据集中的图像尺寸

解决方案:利用基于英特尔至强可扩展处理器平台的大内存容量和高性能计算能力


高内涵筛选是药物研发的重要工具,这是一项极具挑战且极耗时的工作,需要从图像中提取数千个预定义特性。在英特尔以数据为中心创新峰会上,我们谈到了诺华正在与英特尔合作,利用深度学习技术来加快细胞培养显微镜图像的分析,以研究各种治疗方法的效果。由于使用了完整的显微镜图像,本评估中的图像尺寸比普通深度学习基准中使用的图像尺寸大得多,是ImageNet* 数据集中图像尺寸的26倍以上。


image.png


由于训练模型中的参数数量多,所用图像的尺寸大、数量多,便对计算和内存能力提出了更高的要求。研究团队使用了英特尔至强可扩展处理器、英特尔® Omni-Path架构和TensorFlow v1.7.0搭建的系统进行训练,把训练时间节省了20倍。英特尔®硬件可支持卓越的内存容量,支持每秒处理120多张3.9兆像素的图像。


正如案例所示,CPU架构更能满足很多现实情况中的深度学习应用需求,基于英特尔至强可扩展处理器的平台性能通过持续地投资也在不断增强。自平台推出以来,其针对流行框架的训练速度提升了1.4倍以上,而INT8推理速度则提升了近5.4倍。随着新一代英特尔至强可扩展处理器的推出,推理速度更有望提升至11倍。未来对英特尔®傲腾™ 数据中心持久内存的平台支持,还将扩展CPU附近的内存容量,以支持对更大数据集的训练。在创新峰会上,我们还宣布推出英特尔®DL Boost,这是一套旨在加快人工智能深度学习速度的处理器技术。Cascade Lake还将采用矢量神经网络指令集(VNNI),以前需要采用三条指令,而现在只需要一条指令即可实现。Cooper Lake是继Cascade Lake之后的又一款英特尔至强可扩展处理器,将整合英特尔®DL Boost功能(Bfloat16)以提升人工智能/深度学习训练性能。


正如英特尔® 精选解决方案,我们致力于简化客户对英特尔至强处理器的全栈部署。Apache Spark*上针对BigDL的全新英特尔® 精选解决方案配置是我们与阿里巴巴、亚马逊、中国电信、微软和Telefonica等行业领先企业合作的成果,这也是我们从数百次部署BigDL中获得的重要经验,旨在提供配置让客户能够在现有数据湖快速部署人工智能功能。该解决方案涵盖硬件和软件组件,是我们第一个面向人工智能的英特尔® 精选解决方案。

 

采用英特尔® FPGA进行实时深度学习推理


挑战:开发可灵活扩展的实时深度学习平台,可跨多个微软用例

解决方案:利用英特尔® Arria® FPGA的微软Project Brainwave*硬件架构

微软Project Brainwave是一个深度学习加速平台,它是基于自适应、节能、高通量的英特尔FPGA构建的。由于其经济性和极低延迟等特点,Project Brainwave能够实现实时推理。在不断发展的人工智能环境中,FPGA能够重新编程以获得最高性能,是搜索、语音识别、视频分析等很多深度学习应用中的重要工具。


微软最近推出由Project Brainwave提供支持的Azure机器学习加速硬件。这项服务让开发人员和数据科学家能够在Azure和边缘计算中运行实时模型,应用领域涵盖制造业、零售业和医疗保健等。


微软还将Project Brainwave应用于新的必应*搜索功能,以缩短搜索时间并让搜索结果更加智能化。必应通过机器学习和阅读理解能快速提供智能化答案,帮助用户更快地找到想要的答案,而不是提供链接列表让用户去手动检查答案。英特尔FPGA能让必应将模型的延迟缩短到10倍以上,同时将模型尺寸增加10 倍。

 

采用英特尔® Movidius™ Myriad™ 视觉处理单元,在边缘端实现视觉智能

挑战:自动捕捉和管理家人、朋友和宠物的动态照片,在边缘设备完成视觉处理

解决方案:搭载英特尔® Movidius™ Myriad™ 2视觉处理单元 (VPU)的Google Clips*无线智能相机

借助英特尔Movidius低功耗、高性能的VPU,谷歌实现了对Google Clips相机的构想。使用英特尔Movidius Myriad 2 VPU,可以直接在相机上实时运行高级机器学习算法,这可以帮助谷歌完善相机功能,降低功耗,并支持离线使用。

英特尔Movidius VPU的目标应用包括嵌入式深度神经网络、姿态估计、3D深度感测和手势/眼睛跟踪等。随着“相机互联网”的爆炸式增长,英特尔Movidius VPU为创新应用带来了多种功能。此外在设备上直接进行人工智能处理也更符合隐私和安全保护的规范。上述设备以及未来的英特尔Movidius VPU将继续为视频分析、机器人和增强现实等应用领域带来价值。

 

采用英特尔® Nervana™ 神经网络处理器进行新一代训练和推理


挑战:利用全新构建的架构打破当前的系统瓶颈,支持新一代突破性深度学习解决方案

解决方案:即将上市的英特尔Nervana神经网络处理器


随着人工智能的发展,模型的复杂度不断增加,对内存的需求也越来越大。深度学习的进一步发展需要解决内存限制的问题,而当前的解决方案无法利用所有可用的计算,数据科学家和研究人员逐渐意识到我们需要专用的芯片来支持深度学习训练和推理。英特尔Nervana神经网络处理器提供了一种全新的解决方案,它专门为支持深度学习设计和构建,目的是为了解决内存的问题。


英特尔Nervana NNP首先考虑内存,它采用了大量高带宽内存和SRAM,更靠近实际进行计算的位置,也就是说芯片上能够存储更多的模型参数,可以有效节省功耗并提升性能。英特尔Nervana NNP支持大多数深度学习基元,同时让核心硬件组件尽可能高效的工作,确保其他应用(例如图形)不会从深度学习应用中占用内存。此外,英特尔 Nervana NNP的高速片内和片外互连支持大规模双向数据传输,能够在多个机箱之间连接多个处理器,可以作为一个更大的高效芯片来容纳更大的模型,从而获得更加深入的洞察。

英特尔与Lake Crest软件开发工具(SDV)方面的主要客户合作进行NNP 开发、测试和反馈。在推出第一款商用Nervana NNP时,以上功能都能够实现。随着人工智能领域的进一步发展,我迫不及待地想从这些突破性芯片中看到英特尔客户的创新和更多见解。

 

简化异构部署和加速人工智能创新的软件

框架和库对于推动人工智能的发展至关重要,硬件需要同软件结合来发挥最大的效用。英特尔致力于通过普遍适用的多架构解决方案,将所有人工智能都集成到一个软件集合下。比如开源nGraph编译器等项目是非常重要的,因为我们无需把时间浪费在重新发明工具上。

我们认为,英特尔有责任优化软件,提供工具,让硬件发挥最佳性能,并简化模型开发和现实部署之间的流程。利用英特尔开源性能库,可以从深度学习的直接优化中获得更多洞察;深度学习编译器nGraph已经开源,能够跨多个框架和架构运行训练和推理;使用OpenVINO™可以快速优化预训练模型,并将视频神经网络部署到各种硬件上;BigDL 是运行在Apache Spark和Hadoop*集群上的分布式深度学习库,通过BigDL 可以处理大量数据。

 

针对数据时代提供优化的客户解决方案

英特尔正在帮助客户更好地处理每天生成的大量数据并从中获得价值。我们致力于提供全面的硬件和工具组合,实现人工智能愿景。在实际应用中,人工智能的复杂性要求我们将正确的硬件和软件结合起来从而实现成功部署。英特尔拥有业内熟知的全栈实力技术生态系统,提供不同功能工具,推动人工智能的发展。


关键字:人工智能  英特尔

编辑:muyan 引用地址:http://www.eeworld.com.cn/IoT/2018/ic-news11014501.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:布局人工智能,格芯全资子公司Avera Semi正式成立
下一篇:罗姆:用半导体技术引领物联网时代向前

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

昆仑万维集团押注互联网3.0,大举进攻无人驾驶领域

昆仑万维集团董事长周亚辉在2019年年会上就曾表示,昆仑万维未来的重心将是投资互联网3.0时代,也就是物联网与人工智能的时代。AI技术将给各个行业赋能,未来几年将会爆发性成长,人工智能也将是昆仑万维在未来加大投资的重点领域。 昆仑万维投资版图再下一城。4月11日,昆仑万维公告称,公司全资子公司昆仑集团拟以自有资金5000万美元投资Pony AI,取得Pony融资后3%的股权。  Pony是一家注册地在开曼群岛的新创公司,成立时间为2016年11月份,主营业务为专注于L4级别无人驾驶技术的研发和车队运营。  昆仑万维称,公司投资Pony,前瞻性地布局无人驾驶市场,是投资人工智能领域的重要举措。  跨界造车?在国内,Pony
发表于 2019-04-16

戴上“白帽子” 人工智能投身网络安全攻防战

面对计算机系统和网络的缺陷和漏洞,黑客们找准机会实施攻击,白帽黑客则利用黑客技术来测试网络和系统的性能以判定它们能够承受入侵的强弱程度。短短几年时间,人工智能已进驻多个行业,落地无数场景。其中一些行业和场景已为大家所熟知,还有一些正在进入我们的视野,在网络安全领域,AI“白帽”正成为网络安全工程师的得力助手。据报道,近日美国市场调研公司CB Insights发布报告预测了2019年人工智能行业的发展趋势,其中一个趋势便是用人工智能发现网络威胁。正在赋能网络安全“人工智能技术的蓬勃发展,为网络安全攻防带来的,不仅有机遇,也有挑战。”北京理工大学网络攻防对抗技术研究所所长闫怀志接受科技日报记者采访时说。先说好的一面。360安全研究院邹
发表于 2019-04-15

识别黑色素瘤图片,德国人工智能算法胜过医生

德国研究人员最新开发出一种可用于诊断黑色素瘤的人工智能算法。在一场157名皮肤科医生与人工智能算法的诊断比拼中,人工智能的准确度总体来讲更胜一筹。德国国家肿瘤疾病中心等机构研究人员在新一期《欧洲癌症杂志》上发表研究报告说,他们开发出一种人工智能算法,可分析皮肤病变用于诊断。为验证该算法,他们让来自德国12所大学医院的157名皮肤科医生与人工智能展开一场诊断大比拼,内容是分析100张皮肤图片,判断图片所示是正常胎记还是一种皮肤癌——黑色素瘤。100张图片中有20张为确诊病人的黑色素瘤,另80张为良性的胎记。结果显示,157名医生中只有7人的判断比人工智能更准确,14人和人工智能准确度相当,136人没有人工智能准确。研究人员约亨·斯文
发表于 2019-04-15

具备灵活的认知环境的能力, 人工智能才称得上“厉害”

据科技日报报道,无论下棋还是玩电子游戏,人工智能的表现似乎都强于人类。然而,近日,英国研究人员认为,只有能够像鸡、老鼠等动物一样具备灵活的认知环境的能力,人工智能才称得上“厉害”。据新华社报道,研究人员因此举办“动物人工智能奥林匹克”竞赛,让各种人工智能设备在指定“赛场”内完成认知任务,例如,向人工智能展示某种食物并将食物挪走,看它能否重新找到食物。研究人员说,向鸡展示某种食物并当面将食物移走,鸡大概知道这种食物被拿到了哪里,并能够克服障碍重新找到食物。研究人员计划于4月底开放赛场,供参赛队伍训练其人工智能设备,6月开始正式竞技,让参赛人工智能设备解决一些动物日常遇到的小问题。取得优胜的参赛队伍将获得1万美元(约合6.7万元人
发表于 2019-04-15

亚马逊缔造商业帝国需要人工智能黑科技

据国外媒体报道,亚马逊打造的庞大商业帝国离不开其人工智能技术的帮助。其不起眼但功能强大的机器学习功能可以满足从物流中心、云服务以及无人商店。亚马逊的六页备忘录很有名。高管们必须每年写一份计划书,列出他们的商业计划。鲜为人知的是,这些备忘录总要回答一个特殊问题:你打算如何使用机器学习?亚马逊的高管们普遍表示,亚马逊并不鼓励作出像“不多”这样的回答。机器学习是人工智能的一种形式,其从数据中挖掘出可用于预测的有价值信息。当杰夫·威尔克(Jeff Wilke)于1999年加入亚马逊时,机器学习就在亚马逊扎根了。如今威尔克已经是杰夫o贝索斯(Jeff Bezos)的副手,他成立了一个科学家团队,研究亚马逊的内部流程,以提高效率。他将自
发表于 2019-04-15

工业4.0革命影响着每一个行业,数字供应链如何发展?

席卷全球的工业4.0革命几乎影响着每一个行业,包括各行业的供应链管理。 在过去,供应链管理是令各行业都非常头疼的环节,因为传统供应链涉及大量模糊且无法访问的数据,就像”黑洞“一样吞噬着成本、时间与耐心。工业4.0则将催生新的数字供应链,并能够实现更复杂,而又更精简的供应链管理。  数字供应链是未来工业解决方案和业务流程的重要方向,不仅仅包括物流、仓储、运输等内容,还涉及到工程、研发、制造和资产管理等领域。 随着人工智能、物联网和区块链等众多创新技术在供应链中的应用,传统的供应链管理正在向数字化、智能化、可控化的方向快速迈进。 1.连接一切的跨平台资产追踪目前,GPS定位已经是一个
发表于 2019-04-15
工业4.0革命影响着每一个行业,数字供应链如何发展?

小广播

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved