英伟达升级Digits 欲扩大人工智能应用范围
[paragraph][table=80%,#ffffff,#000000,12][tr][td]
[align=right]
[/align]
[align=center][img]http://img1.gtimg.com/digi/pics/hv1/50/167/1876/122029535.png[/img][/align][align=center]据PCWorld网站报道，英伟达希望通过升级其用于设计神经网络的Digits软件，扩大人工智能的应用范围。[/align][align=center]英伟达加速计算部门副总裁伊恩·巴克(Ian Buck)表示，当地时间周二发布的Digits 2拥有图形用户界面，可能使其用户群扩大到学术机构用户和专门开发人工智能技术的开发者之外的程序员。[/align][align=center]上一版Digits只能通过命令行进行控制，这要求用户掌握专门的命令行命令，另外，用户还必须“跳”到另外一个窗口观察结果。[/align]
[align=center][img]http://img1.gtimg.com/digi/pics/hv1/62/167/1876/122029547.png[/img][/align]
[align=center]PCWorld 表示，Digits功能也得到了增强，使设计能在不止一个处理器上运行，并使多达4个处理器能同时运行，建立一个学习模型。由于模型能在多个处理器上运行， 利用Digits 2创建的模型速度可高达利用Digits创建的模型的4倍。[/align][align=center]在扩大人工智能应用范围方面，英伟达有既得利益。人工智能系统通常要求强大的计算能力。过去10年，英伟达一直在把GPU(图形处理器)作为能提高大型系统计算能力的硬件加速器销售。GPU最初的目的是为计算机系统处理显示输出。[/align][align=center]深度神经网络也被称作深度学习网络，是能帮助计算机识别对象或其他感兴趣的现象的软件模型，通过学习识别对象的反复试验过程建立。最近数年，深度神经网络成为新一代人工智能系统的基础。新一代人工智能系统能提升物体分类、语音识别和癌细胞发现等任务的速度，并对这些任务进行改进。英伟达的Digits能取代建立深度学习系统所需要的大量脑力工作。[/align][align=center]Digits的多处理器能力的一家早期用户是雅虎。雅虎发现，这一新方案使建立自动标记Flickr服务上照片的神经网络所需要的时间由16天缩短为5天。[/align][align=center]PCWorld称，除Digits外，英伟达还更新了其部分其他软件，使它们更适合用来开发人工智能系统。英伟达更新了CUDA(统一计算设备架构)并行编程平台和应用编程接口。CUDA目前支持16位浮点运算，之前它只支持32位浮点运算。支持位数更少的浮点运算，有助于开发者在建模时向系统提供更多数据。英伟达还对其CUDA深度神经网络通用例程库进行了更新，使之也支持16位浮点运算。[/align][align=center]
[/align][align=center]
[/align][/td][/tr][/table]
[align=right]
[/align]
[align=center][img]http://img1.gtimg.com/digi/pics/hv1/50/167/1876/122029535.png[/img][/align][align=center]据PCWorld网站报道，英伟达希望通过升级其用于设计神经网络的Digits软件，扩大人工智能的应用范围。[/align][align=center]英伟达加速计算部门副总裁伊恩·巴克(Ian Buck)表示，当地时间周二发布的Digits 2拥有图形用户界面，可能使其用户群扩大到学术机构用户和专门开发人工智能技术的开发者之外的程序员。[/align][align=center]上一版Digits只能通过命令行进行控制，这要求用户掌握专门的命令行命令，另外，用户还必须“跳”到另外一个窗口观察结果。[/align]
[align=center][img]http://img1.gtimg.com/digi/pics/hv1/62/167/1876/122029547.png[/img][/align]
[align=center]PCWorld 表示，Digits功能也得到了增强，使设计能在不止一个处理器上运行，并使多达4个处理器能同时运行，建立一个学习模型。由于模型能在多个处理器上运行， 利用Digits 2创建的模型速度可高达利用Digits创建的模型的4倍。[/align][align=center]在扩大人工智能应用范围方面，英伟达有既得利益。人工智能系统通常要求强大的计算能力。过去10年，英伟达一直在把GPU(图形处理器)作为能提高大型系统计算能力的硬件加速器销售。GPU最初的目的是为计算机系统处理显示输出。[/align][align=center]深度神经网络也被称作深度学习网络，是能帮助计算机识别对象或其他感兴趣的现象的软件模型，通过学习识别对象的反复试验过程建立。最近数年，深度神经网络成为新一代人工智能系统的基础。新一代人工智能系统能提升物体分类、语音识别和癌细胞发现等任务的速度，并对这些任务进行改进。英伟达的Digits能取代建立深度学习系统所需要的大量脑力工作。[/align][align=center]Digits的多处理器能力的一家早期用户是雅虎。雅虎发现，这一新方案使建立自动标记Flickr服务上照片的神经网络所需要的时间由16天缩短为5天。[/align][align=center]PCWorld称，除Digits外，英伟达还更新了其部分其他软件，使它们更适合用来开发人工智能系统。英伟达更新了CUDA(统一计算设备架构)并行编程平台和应用编程接口。CUDA目前支持16位浮点运算，之前它只支持32位浮点运算。支持位数更少的浮点运算，有助于开发者在建模时向系统提供更多数据。英伟达还对其CUDA深度神经网络通用例程库进行了更新，使之也支持16位浮点运算。[/align][align=center]
[/align][align=center]
[/align][/td][/tr][/table]
