请注意!服务器市场风向已转!(上)丨IBM超in播2018第22期

2018 年 12 月 2 日 IBM中国

超in播


大家都知道用智商来衡量人的聪明程度。


IQ超过150就是传说中的天才了。


话说本期代班主播曦曦给冯爷科普了计算机里的超级天才,差点惊掉了冯爷的下巴。


惊着冯爷的究竟是谁?它的IQ有多高,速度有多快?支撑它成为世界第一到底需要哪些技术?


快来收听本期IBM超in播吧!


另外,你想知道冯爷的IQ是多少吗?本期节目中会有答案吗?


嘿嘿~,那就需要你自己去发掘了。



本期嘉宾



吴伟明


中国OpenPOWER总经理,主要负责通过与中国合作伙伴的合作,实现在处理器、加速器、系统设计与操作系统、中间件及软件应用等方面更先进的技术与更开放的生态,并为客户、合作伙伴提供基于业务的更多、更优的IT技术选择。他在大中华区与亚太区拥有30多年的IT行业经验,包括系统、软件、渠道管理、合作伙伴生态拓展和技术服务等方面。


联系邮箱:[email protected]



本期干货


1.世界上运行速度最快的超级计算机Summit

Summit 配有 4,608 个计算服务器,每台服务器包含2个 22 核 IBM Power9 芯片和6个 Nvidia Tesla V100 GPU,系统总内存超过 10 PB。


Summit的HPL是143.5,几乎是世界排名第二计算机的1.5倍。


HPL(High Performance Linpack)高效能运算测试是衡量计算力的指标



2.人工智能与计算力需求的关系

诞生于50年代的人工智能由于没有足够的计算力支撑,多年来一直没有得到发展。直到过去一年技术进步催生了计算力的发展,人工智能应用才迎来爆发式增长。从某种意义上来讲,是计算点亮了AI,同时AI也反过来给计算带来新的挑战,未来数据和训练任务量会继续呈指数级增长,智能驾驶、医疗和区块链应用逐步成熟将会激发对计算的更多需求。


Google首席架构师Jeff Dean曾经说过“我们真正需要的是超过限制100万倍的计算力,而不仅仅是区区几十倍的增长。”



3.Summit成为世界第一的背后力量:

(1)开放不封闭的Power CPU


(2)异构计算。为了应对增长迅速的海量数据, IBM设计了全新的异构架构,使得Summit既拥有强大的 IBM Power CPU 稳健数据分析功能,又兼具 GPU 的深度学习能力;


(3)高效调度。Summit采用经人工智能优化过的硬件,可以提供超乎想象的平台能力来分析海量数据集并创建智能软件。



4.未来世界需要异构计算

为了获得更多计算力,人们过去一直致力于把更多元件放进芯片。近年来硅芯片逼近物理极限且经济成本持续高升,摩尔定律已趋近失效。使用传统的通用处理器已无法满足人工智能的各种爆发应用和高计算能力的需求,只能另辟蹊径,异构计算就是一个新的选择。



究竟异构计算如何满足高计算力的需求?高大上的异构计算和接地气的土豆丝有什么联系?


你想知道的答案,将在下期的“请注意!服务器市场风向已转!(下)”中,继续为您揭晓!


即刻扫描二维码,注册观看

2018 OpenPOWER 中国高峰论坛线上直播


往期回顾


对IBM超in播所谈话题有兴趣?

请拨打IBM电话(周一到周五工作时间):

400-810-1818转2403

800-810-1818转2403


登录查看更多
点赞 0

Face recognition has attracted increasing attention due to its wide range of applications, but it is still challenging when facing large variations in the biometric data characteristics. Lenslet light field cameras have recently come into prominence to capture rich spatio-angular information, thus offering new possibilities for advanced biometric recognition systems. This paper proposes a double-deep spatio-angular learning framework for light field based face recognition, which is able to learn both texture and angular dynamics in sequence using convolutional representations; this is a novel recognition framework that has never been proposed before for either face recognition or any other visual recognition task. The proposed double-deep learning framework includes a long short-term memory (LSTM) recurrent network whose inputs are VGG-Face descriptions that are computed using a VGG-Very-Deep-16 convolutional neural network (CNN). The VGG-16 network uses different face viewpoints rendered from a full light field image, which are organised as a pseudo-video sequence. A comprehensive set of experiments has been conducted with the IST-EURECOM light field face database, for varied and challenging recognition tasks. Results show that the proposed framework achieves superior face recognition performance when compared to the state-of-the-art.

点赞 0
阅读1+
小贴士
Top