避免關注底層硬體，Nvidia將機器學習與GPU綁定

【編者按】Nvidia通過發佈cuDNN庫，將GPU和機器學習更加緊密的聯繫起來，同時實現了cuDNN與深度學習框架的直接整合，使得研究員能夠在這些框架上無縫利用GPU，忽略深度學習系統中的底層優化， 更多的關注于更高級的機器學習問題。

以下為譯文

近日，通過釋放一組名為cuDNN的庫，Nvidia將GPU與機器學習聯繫的更加緊密。 據悉，cuDNN可以與當下的流行深度學習框架直接整合。 Nvidia承諾，cuDNN可以説明使用者更加聚焦深度神經網路，避免在硬體性能優化上的苦工。

當下，深度學習已經被越來越多的大型網路公司、研究員，甚至是創業公司用於提升AI能力，代表性的有電腦視覺、文本檢索及語音辨識。 而包括電腦視覺等流行的領域都使用了圖形處理單元（GPU），因為每個GPU都包含了上千的核心，它們可以加快計算密集型演算法。

通過Nvidia瞭解到，cuDNN基於該公司的CUDA並行程式設計語言，可以在不涉及到模型的情況下與多種深度學習框架整合。 Nvidia的一位發言人透露了更多消息：

不管是為了未來增長，還是「GPU不只用於電腦圖形渲染」這個長期目標，Nvidia在擁抱深度學習和機器學習上非常積極。 當下GPU的使用已經非常廣泛，機構使用它代替CPU以獲得更高的速度及更低的成本。

但是，仍然存在一些特定的因素抑制了CPU的長期發展。 其中一個就是替代架構，比如IBM的SyNAPSE和類似Nervana Systems一些初創公司的努力，比如，它們專門為神經網路和機器學習負載設計。 另一個則是現有的處理器架構，包括CPUs和FPGAs已經讓人們看到了未來機器學習負載上的能力。

雖然當下已經有很多雲供應商通過服務的形式提供了深度學習能力，但是機器深度學習離進入主流仍然有很大的距離。

原文連結： Nvidia stakes its claim in deep learning by making its GPUs easier to program（編譯/仲浩 審校/魏偉）

免費訂閱「CSDN雲計算（左）和CSDN大資料（右）」微信公眾號，即時掌握第一手雲中消息，瞭解最新的大資料進展！

CSDN發佈虛擬化、Docker、OpenStack、CloudStack、資料中心等相關雲計算資訊，     分享Hadoop、Spark、NoSQL/NewSQL、HBase、Impala、記憶體計算、流計算、 機器學習和智慧演算法等相關大資料觀點，提供雲計算和大資料技術、平臺、實踐和產業資訊等服務。