NVIDIA сегодня представила простое в развертывании программное обеспечение, призванное помочь разработчикам направить мощь графических процессоров на ускорение работы приложений глубокого обучения (Deep Learning) в таких областях, как классификация изображений, видеоаналитика, распознавание речи и обработка естественного языка.

NVIDIA cuDNN, мощная библиотека программирования на базе модели параллельного программирования CUDA®, ускоряет процессы глубокого обучения до 10 раз с помощью графических процессоров по сравнению с методами, выполняющимися только на CPU. Благодаря простоте имплементации, cuDNN позволяет разработчикам быстро создавать и оптимизировать новые модели обучения и разрабатывать приложения более высокой точности, используя вычислительный потенциал GPU-ускорителей.

Глубокое обучение – это быстро развивающийся сегмент рынка машинного обучения, который включает создание сложных, многоуровневых, «глубоких» нейронных сетей. С помощью таких сетей мощные компьютеры учатся распознавать паттерны и объекты через анализ большого объема данных тренировки.

Графические процессоры все шире применяются для ускорения приложений глубокого обучения, по мере того как исследователи и программисты осознают огромные преимущества GPU в ускорении процессов тренировки с большими объемами данных.

Исследователи из Калифорнийского Университета в Беркли интегрировали cuDNN в Caffe – одну из самых распространенных в мире инфраструктур для создания приложений глубокого обучения.

Кроме того, более 90% команд и трое из четырех победителей престижного конкурса 2014 ImageNet Large Scale Visual Recognition Challenge также использовали графические процессоры для ускорения своих проектов по глубокому обучению.

Подробнее об интеграции cuDNN в инфраструктуру глубокого обучения Caffe смотрите на сайте cuDNN. Подробнее о преимуществах GPU-ускорения для машинного обучения смотрите на сайте NVIDIA.