文/腾讯《一线》薛芳

2018年1月28日上午，《麻省理工科技评论》新兴科技峰会EmTech China于北京国贸大酒店正式召开，亚马逊AWS首席迷信家Animashree Anandkumar宣布了演讲。

以下附演出讲全文：

多域技术已成为前沿科技的一大领军技术力气，我十分荣幸在我的博士学位和博士后学位中研讨这个话题。明天我会和大家谈一谈机器学习，怎样研讨和量化机器学习。

深度学习需求经过多层甚至数百层的处置进程，这样的机器学习也会在不同的GPU，停止跨机器、跨设备处置，这就需求网络技术。多域模型可以协助我们同时处置迷信、工程，各种范畴方面的使用。我们不断努力于寻求机器学习多域模型的处理方案，以及多范畴的使用如何可以在云上停止计算。

深度学习跨越了许多的范畴。首先我们做的是图像了解，根底义务是辨认不同的物品。关于人类来说在一张图片中辨认物品很复杂，但是关于机器来说却是极度困难的。但我们的体系有了很大的改善，也比以往的更有优势。

之后我们也在语音辨认方面获得了打破。针对不同言语的自然言语处置也有了深度学习参与。不同的言语有不同的构造，怎样才干自动的处置这些不同的语种并了解他们？

人类应用言语在不同的背景下停止交流，比方听说读写。在这些进程中，语种的表现方式是不一样的。机器如何来处置不同的言语呢？这就是深度学习面临的应战。

另一个范畴就是关于无人驾驶。怎样进步其的功能，怎样辨认妨碍物，怎样可以有很好的视觉，怎样立刻做出决策，这些都是无人驾驶技术需求处理的一些成绩，也是深度学习可以发扬作用的中央。

和大家分享一下怎样运作以后的深度学习形式。深度学习有很普遍的运用范畴，我们有一些专门的项目，也在将它使用到更多不同的硬件根底设备中。Mxnet就是其中的一个深度学习引擎，这个项目首先由大学里的研讨员开发，如今我们正在AWS开发这个引擎。

这个引擎的优点是不言而喻的。它树立了一个网络，编程进程、表述、特征描绘、作风都十分灵敏、方便，进步了顺序员的效率。同时也提供了很好的言语支持，且前后端自动对接，进步了编程的效率。

这个网络有一些固定的数据，互相衔接的层级会在输出和输入之间停止衔接。虽然一些专门的项目编程进程比拟容易书写，语流更长，书写起来意味物也更多。在计算顺序方面，他们有一定的序列关系，我们制定了图表来自动停止平行的比照。它还完成了记忆停止自动化，这样在代码运算时也进步了效率。

我们也用多GPU的训练提升效率。一个机器下面会有多个GPU停止数据并行化，可以同时取得少量的数据。地方数据是来自于不同CPU等级下面的网络，数据不时地向下划分，进入各个GPU。

GPU需求停止处置时发现了类似的内容就会停止整合，也添加了我们的效率。GPU可以在Mxnet下面整合运算后果，这样本钱也比拟低。同时我们也提升了Mxnet的功能。添加了GPU当前，整个输出输入效率也会翻翻。这是在AWS基建上运转的，包括B2X和B22X。

一切的效劳外面， Mxent的效率最高，有91%，包括Resnet和Inception v3和Alexnet。这是有多个GPU的单一基体。在多基体上每一个机器都有16个GPU，组合到一同后，一切的数据经过网络就会影响效率。但我们的效率并没有降低很多，由于Mxnet它的打造十分严密，可以提升效率。所以我们可以停止这种散布式的多机器的训练。

这些如今也可以使用于一些情形的运转以及我们多GPU和CPU的框架之中。我们也希望可以提供这样的技术给我们的消费者，让他们晓得我们散布式的训练有十分好的技术包裹，可以协助我们停止网络紧缩以及网络解压，提供好的技术效劳。

一切的这些框架，都可以使用于我们的机器学习平台CHMaker。这是多机器学习的一个平台，一切的散布式深度学习框架都可以在这个平台上停止运转，比方说TensorFlow、Mxnet。我们的平台除MxNet之外可以支持一切的框架，我们希望可以给我们的用户更多灵敏的选择。

除此之外，DeepLens也是我们最近发布的第一款深度学习的摄像头，可以提供很多的效劳，比方言语、语句、计算机视觉等。运用者不需求培训本人的学习模型，完全可以运用我们的效劳。

【一线】为腾讯旧事旗下产品，第一工夫为你提供独家、一手的商业资讯。