В Лос-Анджелесі показали новий електричний кросовер Volkswagen (відео)
30 Листопада , 2017
Перший вибух на Чорнобильській АЕС був ядерним, вважають вчені
1 Грудня , 2017

Чіпи Graphcore забезпечать 100-кратне прискорення роботи систем штучного інтелекту

Компанія Graphcore IPU закінчує розробку спеціалізованого чіпа, призначеного для прискорення виконання завдань, пов’язаних з глибинним машинним навчанням, самонавчанням і іншими складовими частинами систем штучного інтелекту. При цьому, основний акцент робиться на низьку вартість майбутніх чіпів, використання яких дозволить істотно скоротити витрати на навчання, самонавчання і використання штучного інтелекту для вирішення практичних завдань. А випробування перших зразків чіпів Graphcore показали, що вони здатні забезпечити 100-кратну перевагу по продуктивності в порівнянні з найшвидшими системами на сьогоднішній день.
Згадане вище прискорення виходить не лише за рахунок одних апаратних засобів чіпа IPU (Intelligence Processing Unit). Велику роль у цьому відіграє потужна паралельна обробка даних і програмна підтримка даних, представлених у вигляді графів. Широкий набір бібліотек дає розробникам практично необмежені можливості для використання глибинного навчання і штучного інтелекту у вирішенні практичних завдань різного плану.

В даний час фахівці компанії Graphcore займаються доведенням архітектури чіпа-прискорювача і набору програмного забезпечення, що оперує графами даних з фірмовою структурою Poplar. Крім цього, фахівці Graphcore створили порт програм MXNet і TensorFlow, які широко використовуються в системах штучного інтелекту. Ці портовані варіанти здатні максимально ефективно використовувати всі можливості прискорювачів IPU і працювати з графами Poplar.
Цікавий той факт, що перші зразки чіпів Graphcore IPU вже використовуються для високоточного моделювання пізніших варіантів цих же самих чіпів, дозволяючи фахівцям працювати не з віртуальними математичними моделями, а з реальними апаратними засобами.

Джерело

LEU
LEU

Залишити відповідь

Увійти за допомогою: