iT邦幫忙

2018 iT 邦幫忙鐵人賽
DAY 28
0
AI & Machine Learning

探索 Microsoft CNTK 機器學習工具系列 第 28

分散式運算

人工智慧對系統的效能要求很高卻大多不支援分散式運算,即模型線下訓練,之後佈署到伺服器或終端設備上進行線上預測。

而常見分散式運算框架,目前還無法處理毫秒等級的延遲要求,例如 MapReduce、Apache Spark。

而各種結構與非結構性資料量愈來愈多樣化,運算逐漸集中到雲端或者由手持裝置進行資料蒐集,各式 AI 晶片也越趨成熟。

Nvidia GPU 的浮點運算、平行運算非常適用於深度學習神經網路;而 Google 推出的 AI 晶片(Tensor Processing Unit, TPU)速度又更快。

新的技術出現都是為了處理尚未解決的問題,分散式運算及 AI 晶片,相信未來會有更多選擇。


上一篇
遷移學習
下一篇
學習新知
系列文
探索 Microsoft CNTK 機器學習工具30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言