云创大数据发布DeepRack深度学习一体机

云创大数据发布DeepRack深度学习一体机

  • 发布来源:云创大数据

产品介绍

在与李世石大战之后,AlphaGo全新升级,并把下一个目标锁定为九段棋手柯洁,这注定又将是一场划时代大战。在这里,“升级”可以理解为深度学习的成果,而深度学习已经成为人工智能时代的入口。

  谷歌DeepMind旗下全新升级的AlphaGo,Facebook的人工智能计算服务器Big Sur,越来越“聪明”的IBM人工智能Watson,微软的“深度残差学习”,科大讯飞的“语音深度学习”——国内外行业巨头步伐异常统一,纷纷在语音识别、图像识别、自然语言处理等领域拓展深度学习版图。

  简单地说,深度学习通过构建深层神经网络,模拟人类大脑的工作原理。如图所示,深层神经网络由一个输入层,数个隐层,以及一个输出层构成。每层有若干个神经元,每个神经元模拟人类的神经细胞,而结点之间的连接模拟神经细胞之间的连接。

深度神经.jpg

  深度神经网络的结构

  可以将深度学习理解为大脑的“构建”,虽然潜力无限,但是门槛不可谓不高。

  首先,深度学习网络模型复杂,计算量大。以DNN(深度神经网络)为例,它需要模拟人脑的计算能力,而人脑包含100多亿个神经细胞,这要求DNN中神经元多,神经元间连接数量也相当惊人,如此庞大的计算量需要高性能的硬件以及软件系统提供支撑。

  一方面,在深度学习系统中,GPU是提升计算性能的最关键选择,代码写入并读取变量、执行指令、启动函数调用等都是GPU把控之事。当前最顶级的CPU只有4核或者6核,模拟出8个或者12个处理线程来进行运算,但是普通级别的GPU就包含了成百上千个处理单元,这对于多媒体计算中大量的重复处理过程有着天生的优势。即使如此,并不表示所有GPU都适合深度学习,开发人员需要根据项目需求做出GPU选择。

  另一方面,深度学习同样需要与项目相匹配的软件系统。目前, Caffe、TensorFlow、MXNet等深度学习框架均已开源,不同框架意味着不同的侧重: Caffe小巧易上手,TensorFlow支持高并发处理,MXNet则具有内存处理优势,只有选择适用的软件框架,才能使研发项目稳步推进。

  其次,深度学习需要大量数据,以训练高准确率的模型。为了达到理想的学习效果,深度学习需要利用海量训练数据,进行反复多次实验,从而选择合理的选择优化方式,进而训练出高准确率的模型。但是,现实情况是,无法获取大规模数据往往成为开发者的瓶颈。

深度学习.jpg

  再者,对于深度学习,技术支撑不可或缺。对于开发应用者而言,首先需要处理的问题即如何部署软件系统并使之正常运行,但软件系统依赖于底层库,其是否正常运作受多重因素影响。此外,开发者还需要面对复杂的算法、频繁的参数调节等多重难题。所以,强有力的技术支撑不可或缺,然而目前很多研发团队并不具备这样的能力。

  因此,深度学习成为一个效果很好但门槛极高的方向,如何落地产生实际应用效果成为关注的焦点。对此,厚积薄发的云创大数据打造了全新的深度学习软硬件平台,于2016年7月11日正式发布DeepRack深度学习一体机,以帮助解决深度学习应用中遇到的障碍与困境。

一体机.png

  DeepRack深度学习一体机全景图

计算节点.png

  DeepRack深度学习一体机计算节点内部图

  在硬件方面,DeepRack深度学习一体机最多可配置4台4U高性能服务器,每台服务器CPU选用最新的英特尔E5-2600系列至强处理器,每台服务器最多可插入4块英伟达GPU卡,提供最大每秒128万亿次的单精度计算能力,满配时相当于160台服务器的计算能力,可使用户的深度学习产品在计算效率方面展现强悍的竞争力。

图形技术.jpg

  全球图形技术和数字媒体处理器行业领导厂商NVIDIA(英伟达)

  在软件方面,DeepRack深度学习一体机预装CentOS操作系统,集成了两套世界一流的开源工具软件——Google的TensorFlow以及加州大学伯克利分校的Caffe,两者作为通用的深度学习框架,可以帮助学习诸如图像识别、语音识别和语言翻译等任务。

人工智能.jpg

  人工智能学习系统TensorFlow

  在数据方面,DeepRack深度学习一体机提供了MNIST、CIFAR-10、ImageNet等图像数据集以及一百万张车牌的图片数据,可满足实验与模型塑造过程中的训练数据需求,突破数据难获取的瓶颈。

  在服务方面,云创大数据还将提供DeepRack深度学习一体机的操作培训,从部署到使用提供完整的服务体系,使用户根据操作手册,即可快速搭建属于自己的深度学习应用。更重要的是,云创大数据向用户提供周到的免费培训,帮您带出一个能够应用深度学习的团队来。

  此外,参照NVIDIA GPU参数表,用户还可根据预算、深度学习应用场景,选配合适的GPU型号,比如GeForce Titan X、Tesla K40、K80等,从而满足不同的深度学习应用需求。

  NVIDIA GPU参数表

参数表.png

  经过选配组合,目前DeepRack深度学习一体机具有以下四种规格:极简型、经济型、标准型以及增强型。其中,极简型作为单机,拥有单一节点,其他三种规格则是包括4个节点的独立机柜。

  硬件配置参数

硬件参数.png

  对于门槛高、部署难的深度学习而言,DeepRack深度学习一体机通过完美搭配的软硬件设施,配套海量的可操作数据以及贴心的应用上门服务,手把手教会用户使用,是不可多得的深度学习利器。

 

 联系人:

 技术:曹骝 联系方式:025-83700385-8025,13815875537

  市场:张伟 联系方式:025-83700385-8028,15805157345

在线客服