Deep Learning: IBM stellt Rekord für Bilderkennung auf
Der Technologiekonzern IBM hat eine Technik vorgestellt, die Deep Learning in wesentlich weniger Zeit als bisher durchführen können soll. Das berichtet das Onlinemagazin Fortune(öffnet im neuen Fenster) . IBM nutzt dazu mehrere Cluster aus Power-8-Prozessoren und Nvidia-Grafikkarten, die mit der Schnittstelle Nvlink schnell miteinander kommunizieren.
IBM erklärt sogar, dem bisherigen Rekordhalter Microsoft den Rekord für Bilderkennung abgenommen zu haben. Es sei mit der neuen Deep-Learning-Technik gelungen, 7,5 Millionen Bilder in sieben Stunden mit einer Genauigkeit von 33,8 Prozent zu erkennen. Microsofts Werte lägen bei 29,9 Prozent Genauigkeit in zehn Tagen für die gleiche Menge an Bildern, heißt es.
Der Clou: mehrere Computer zusammenschließen
Der Grund für diese wesentlich besseren Werte sei laut der Abteilung IBM Research, mehrere Computer miteinander zu verbinden. Das galt bisher als schwierig, da die Kommunikation zwischen einzelnen Knoten einen Flaschenhals und ein Problem bei der Synchronisation darstellt. Deshalb werden bisher meistens nur einzelne Maschinen für Deep Learning verwendet. IBM konnte das Problem anscheinend mit einer Software umgehen. Diese kann 64 Server mit jeweils 256 Prozessoren verwalten.
Für den Test selbst nutzte IBM 64 seiner Power-8 -Maschinen zusammen mit Tesla-P100 -Karten, die über Nvlink untereinander kommunizieren statt über die langsamere PCIe-Schnittstelle und den Umweg über den Prozessor. Das Unternehmen gibt an, dass die Skalierungseffizienz pro weiterem Prozessor bei 95 Prozent liege. IBM verwendete für den Rekordversuch das von der University of California in Berkeley entwickelte Deep-Learning-Framework Caffe.
IBM bietet seine Technologie auch für interessierte Kunden auf Anfrage an. Allerdings funktioniert das nur auf besagten Power-8-Systemen, die von IBM direkt vertrieben werden.