大力出奇迹。毋庸置疑,无数人工智能科学家设计的一连串的智慧机器学习模型,这些模型在很多业务中都行之有效,例如人脸识别,给用户推荐感兴趣的物品,以及使用搜索引擎搜索信息。这其中算法是功不可没的。
在算法之外,算力也居功至伟。 研究人员发当模型越来越大时,模型的准确率随着数据的增加会逐渐提升,这引起了模型的“军备竞赛”,模型的参数从数十亿,数百亿,数千亿,到10万亿参数。训练模型所需要的算力也越来越大。下面是几个大模型对算力的需求:
人工智能对算力的要求有2种:训练和推理,下面结合浪潮商用的Power服务器分别介绍。
训练模型所需算力
K1 Power Linux加快模型训练的速度。模型的训练主要分为前向计算和反向传播,浪潮商用的K1 Power Linux多GPU服务器,单处理器最高拥有22个内核,88个硬件线程,最高支持2TB内存高速3内存,该服务器提供强大的算力可加快模型的训练速度。
推理所需算力
如果觉得我的文章对您有用,请点赞。您的支持将鼓励我继续创作!
赞3
添加新评论0 条评论