NVIDIA的深度学习软件平台最近进行了三项重大更新。
这些更新-NVIDIA DIGITS 4,CUDA深度神经网络库(cuDNN)5.1和新的GPU推理引擎(GIE)-包括DIGITS 4的新对象检测工作流程,该工作流程将使数据研究人员能够训练深度神经网络来识别和定位大量图片中的交通标志,行人,人脸,车辆等。
该工作流又可以用于高级自动驾驶系统,安全和监视工作,卫星图像对象识别,医疗诊断等。
值得注意的是,深层神经网络训练通常需要研究人员对参数进行反复调整,以便从模型中获得较高的准确性,而DIGITS 4显然可以跨一系列不同的调整参数自动训练神经网络,从而显着减少了所需的时间以获得“最”准确的解决方案。
据报道,DIGITS 4发行候选版将于本周免费提供给NVIDIA开发人员计划的成员。
以下是新闻稿中其他两个更新(cuDNN和GIE)的概述:
NVIDIA cuDNN提供了用于所有领先的深度学习框架的深度学习的高性能构建块。5.1版提供了深度神经网络的加速培训,例如牛津大学的VGG和微软的ResNet,它们赢得了2016年ImageNet挑战。每个新版本的cuDNN都比以前的版本提供了性能改进,从而加速了深度学习神经网络的最新进展以及机器学习算法.GPU推理引擎(GIE)是用于生产环境的高性能深度学习推理解决方案。GIE优化了训练有素的深度神经网络,以实现高效的运行时性能,与当今通常用于推理的仅CPU系统相比,NVIDIA Tesla M4 GPU的每瓦性能提高了16倍。使用GIE,云服务提供商可以更高效地处理图像,视频及其超大规模数据中心生产环境中的其他数据,且吞吐量很高。汽车制造商和嵌入式解决方案提供商可以在其低功耗平台中部署高性能的高性能神经网络模型。如前所述,NVIDIA为Tesla Motors汽车提供组件。不过,尚不清楚它与特斯拉在深度学习方面有多少合作。