[[212269]]

IBM 與 EPFL 的研究人員合作，創(chuàng)造了一種用于處理大型數(shù)據(jù)集以訓(xùn)練機器學(xué)習(xí)算法的新方法。這種被稱為 Duality-gap based Heterogeneous Learning（DuHL）的新算法能夠每 60 秒推送 30GB 的數(shù)據(jù)，比以前的方法提高了 10 倍。

通常，需要 TB 的內(nèi)存才能模擬某些機器學(xué)習(xí)模型。所需的硬件相當(dāng)昂貴，甚至一旦建立操作，計算能力仍然是研究人員的一個問題。運行一個測試幾天甚至幾個星期，使得研究人員難以按小時租用硬件進(jìn)行機器學(xué)習(xí)。

利用 GPU 進(jìn)行并行計算已經(jīng)有好多年了，但目前的顯卡還沒有達(dá)到 IBM 研究所需的太字節(jié)內(nèi)存需求。目前針對 GPU，有不同節(jié)點分割計算需求的方法，但不是所有的任務(wù)都適合分配。對此，IBM 現(xiàn)在允許其機器學(xué)習(xí)工具隨著算法的進(jìn)展而改變對單個數(shù)據(jù)片段的調(diào)用。簡而言之，過去的成就將貫穿整個驗證階段，以便為系統(tǒng)提供反饋，使系統(tǒng)比以前更快地指向正確的方向。

在初步測試期間，IBM 使用了配有 8GB GDDR5 內(nèi)存的 NVIDIA Quadro M4000 顯卡。在這種價格適中的專業(yè)圖形卡上 IBM 證明，與標(biāo)準(zhǔn)的順序操作方法相比，使用 DuHL 系統(tǒng)可以將支持向量機訓(xùn)練速度提高 10 倍以上。