ChannelBiz

El Deep Learning está de moda. Se trata de conjunto de algoritmos en aprendizaje automático que permite que las cosas sean más inteligentes; que la inteligencia artificial sea más inteligente. La base de esa inteligencia está en los datos, cuando más se procesen mejor. El problema de la ecuación está en el tiempo necesario para aprender, y precisamente reducir ese tiempo es en lo que ha estado trabajando Fujitsu.

La compañía anuncia el desarrollo de una tecnología de software que utiliza múltiples GPUs para impulsar un Deep Learning más rápido gracias a la aplicación de tecnologías de procesamiento en paralelo de software.

Explica la compañía en un comunicado que un método tradicional para acelerar el Deep Learning es utilizar múltiples ordenador equipados con GPUs, conectados y funcionando en paralelo; pero se crean cuellos de botella porque el tiempo requerido para compartir datos entre los ordenadores de incrementa cuando se utilizan más de diez al mismo tiempo.

Lo que ha hecho Fujitsu es desarrollar una nueva tecnología de procesamiento en paralelo para compartir datos de manera más eficiente, y aplicarlo a Caffe, que es un popular marco de trabajo de código abierto para el Deep Learning.

Los laboratorios de Fujitsu han evaluado la tecnología consiguiendo aumentar la velocidad un 46% para 16 GPUs y un 71% para 64 GPUs. En la práctica eso supone reducir el tiempo de machine learning de un mes con un ordenador a un día con 64 GPUs en paralelo.