全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

栏目: 数据库 · 发布时间: 5年前

内容简介:现如今,很多企业希望借助人工智能技术推动业务价值的增长,这一目标需要通过构建由人工智能优化的硬件和软件组成的基础设施来实现,从而突破性能障碍并随时随地提供人工智能相关洞见。虽然人工智能引发企业变革已不再是幻想,但其技术应用和普及仍然面临着巨大的阻碍,其中最大的挑战是大多数组织和机构内部目前缺乏开拓人工智能相关技术的能力。据 Gartner 2019 年针对首席信息官做的相关调查显示[1],当问及组织机构应用人工智能所主要面临的三大挑战时,有 54%的受访者认为是“员工缺乏必要的技能”,另有 27%的受访者则

全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

现如今,很多企业希望借助人工智能技术推动业务价值的增长,这一目标需要通过构建由人工智能优化的硬件和软件组成的基础设施来实现,从而突破性能障碍并随时随地提供人工智能相关洞见。

虽然人工智能引发企业变革已不再是幻想,但其技术应用和普及仍然面临着巨大的阻碍,其中最大的挑战是大多数组织和机构内部目前缺乏开拓人工智能相关技术的能力。据 Gartner 2019 年针对首席信息官做的相关调查显示[1],当问及组织机构应用人工智能所主要面临的三大挑战时,有 54%的受访者认为是“员工缺乏必要的技能”,另有 27%的受访者则认为是“将人工智能与现有基础设施融合的复杂性较高”。

IBM 也曾收到过类似的客户反馈, 这正是 IBM 今天将 Watson 人工智能能力与 IBM Systems 的人工智能基础设施结合起来的原因所在——帮助企业减少人工智能应用过程中所面临的阻碍。 我很高兴可以为大家展示全新的 Watson Machine Learning Accelerator(WML Accelerator),这是一款全新的 Watson Machine Learning(WML)产品,旨在帮助企业训练和部署内置于 IBM Watson Studio 中的机器学习模型,并采用 IBM Watson OpenScale 进行监测。

[1] Gartner,2019 年首席信息官调查:首席信息官已意识到人工智能的重要性,2019 年 1 月 3 日。ID 编号:G00375246

全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

让企业机器学习“易如反掌”

IBM 人工智能战略的强大之处在于我们实现了端到端的全方位的人工智能,践行了“人工智能的基础在于相互优化的硬件和软件紧密配合”这一理念。当客户使用专为人工智能设计、优化和加速的基础设施时,可同步了解到其性能提升的潜力,这将有助于企业更快地获得洞察价值,从而支持更大规模的企业级人工智能项目。

在 IBM Think 2018 时,我们成功验证过这套策略的强大优势,当展示运行在 IBM Power Systems 服务器上的 IBM SnapML 机器学习库的性能时,结果显示 SnapML 机器学习库在以广告为主的数据集上运行机器学习,以 46 倍[1]超过谷歌云(Google Cloud)i 的速度创下了万亿级数据集的全新纪录。

自此,IBM 研究人员一直努力改进,从而使 SnapML 成为一个为企业所用的更优工具。 通过集成新的自动化功能,IBM 使那些暂时没有配备如忍者数据科学家(ninja data scientists)的企业用户可以更容易地使用机器进行学习,减少机器学习流程中时间密集却又必不可少的任务类型(例如模型选择和超参数调整等任务)的数量。 通过跨集群扩展,以及跨多核 CPU 和功能强大的现代 CPU 的扩展,SnapML 能够及时识别精确的模型及其超参数配置,从而帮助企业获得潜在的竞争优势。

伯明翰大学研究计算基础设施架构师 Simon Thompson 表示:“很多用户并没有意识到开源机器学习目录到底有多么庞大,以及要为特定数据或预期结果找到合适 工具 有多么困难。SnapML 的自动化模型和数据库选择功能极大地缩短了破解上述难题所需的时间,从而使用户可以更快速地开始机器学习训练。”

基于这些新工具,IBM 研究院构建了一个基于 SnapML 的自动学习架构,并在 5 个数据集中运行企业应用案例,如预测旅客错过航班的可能性,有人点击在线广告的可能性,求职者的最优薪酬等应用。此外,还有一个更有趣但也更严格的数据集,即预测 5 张随意分发的扑克牌出现同花顺的可能性。

我们在 4 台 IBM Power Systems AC922 服务器集群上运行这个基于 SnapML 的架构,每台服务器都配备了两个 20 核 IBM POWER9 CPU 及 4 个 GPU。为了更直观地进行对比,在完全相同的配置条件下部署了两个顶级的开源自动化机器学习架构。通过内部观测结果发现,在所有 5 个数据集上,基于 SnapML 的架构所达到的特定精度高达另一组竞争架构的 10 倍及以上水平。

[1] “Snap ML:机器学习层次架构”或“机器学习库”,网址 https://arxiv.org/abs/1803.06333”

全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

将 IBM Watson 与

IBM Power Systems 完美融合

我们相信,采用一套完整跨越 IBM 平台的人工智能策略,可以使我们的客户能够随时随地且全面实现人工智能应用。WML Accelerator 是 IBM 首次设计的一款集成 IBM Watson 和 IBM Power Systems 的人工智能解决方案,结合了 IBM 最卓越的人工智能软件与和硬件。在致力于普及人工智能的同时,IBM 还宣布在 IBM Power Systems 与 IBM Storage 基础上推出适用于数据存储的 IBM Cloud Private (ICP) for Data,与搭载 Watson 的 ICP for Data 平台一起,继续开启客户使用人工智能相关技术的无限可能性,随时随地以差异化的优质服务助力客户在竞争中独具优势。

全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

本文转载自 IBM 中国公众号

全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

扫码关注

IBM 中国官方微信

获取更多 IBM 资讯


以上所述就是小编给大家介绍的《全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Big Java Late Objects

Big Java Late Objects

Horstmann, Cay S. / 2012-2 / 896.00元

The introductory programming course is difficult. Many students fail to succeed or have trouble in the course because they don't understand the material and do not practice programming sufficiently. ......一起来看看 《Big Java Late Objects》 这本书的介绍吧!

CSS 压缩/解压工具
CSS 压缩/解压工具

在线压缩/解压 CSS 代码

RGB转16进制工具
RGB转16进制工具

RGB HEX 互转工具

Markdown 在线编辑器
Markdown 在线编辑器

Markdown 在线编辑器