1月16日，百度表示，正在开发全球最准确的计算机视觉系统Deep Image。这一系统运行在针对深度学习算法优化的超级计算机之上。 百度称，在Imange Net对象识别评分中，这一系统的错误率仅为5.98%。而2014年，来自谷歌的一个团队凭借6.66%的错误率获得了冠军。在试验中，对于Image Net给出的数据集，人眼识别的错误率为5.1%。 Deep Image的主要优势在于其超级计算机Minwa。百度开发这一超级计算机的主要目的就是为了容纳Deep Image系统。过去几年，关注深度学习的研究者利用GPU（图形处理单元）去处理重度计算任务。实际上，Deep Image的论文援引的一项研究显示，在著名的谷歌Brain项目中，3台机器中12颗GPU带来的性能就达到了包含1000个节点的CPU簇的水平。百度首席科学家吴恩达此前从事了谷歌Brain项目。 不过到目前为止，还没有公司开发出类似Deep Image的专用系统，利用深度学习算法去完成计算机视觉的相关工作。以下是论文中给出的配置信息： 这一系统包含36个服务器节点，每一服务器节点配备了2颗六核英特尔至强E5-2620处理器。每个服务器包含4颗英伟达Tesla K40m GPU，以及1个FDR InfiniBand（速度为56GB/S）。这带来了高性能、低延时的连接，以及对RDMA的支持。每一颗GPU的最高浮点运算性能为每秒4.29万亿次浮点运算，而每一颗GPU也配备了12GB的内存。 整体来看，Minwa内置了6.9TB的主内存、1.7TB的设备内存，而理论上的最高性能约为0.6千万亿次浮点运算。 百度开发Minwa是为了解决与Deep Image算法相关的问题。“考虑到随机梯度优化算法的特性，设备互联需要极高的带宽和超低的延时，从而最小化通信开销。对于这类算法的分布式版本来说，这是必要的。”论文作者表示。 凭借如此强大的系统，研究人员可以使用与其他深度学习项目不同，或者说更好的训练数据。因此，百度没有使用常见的256x256像素图片，而是使用了512x512像素图片，并且可以给这些图片添加各种特效，例如色彩调整、增加光晕，以及透镜扭曲等。这样做的目的是使系统学习更多尺寸更小的对象，并在各种环境下识别对象。 百度正在大力投资，研究深度学习算法。在Deep Image之前，百度还开发了语音识别系统Deep Speech。这一产品已于去年12月公开发布。百度高管曾表示，该公司已经看见，语音和图片搜索的比例正越来越高，而未来还将继续上升。如果百度的产品能更好地处理现实世界数据，那么就能带来更好的用户体验。 百度并不是唯一一家从事此类研究的公司。在互联网市场，有多家公司正在投资研发深度学习算法，并且已取得了不错的成果。到目前为止，谷歌仍在ImageNet的实际竞赛中保持最高纪录。该公司也在大力开发深度学习算法，而本周还发布了可能利用了这一技术的新版谷歌翻译服务。微软和Facebook也拥有知名的深度学习算法研究员，并正在这一先进研究领域继续努力。 雅虎、Twitter和Dropbox等公司也拥有自己的深度学习和计算机视觉团队。 |
