全文共2693字,预计学习时长8分钟
来源:amazon1688
近几年,微软、谷歌、脸书、百度等科技行业的巨头陆陆续续不断推出AI产品,这些产品如果被正确利用,给社会带来的价值毫无疑问巨大无比。
计算能力是机器学习(ML)的关键
机器学习驱动的产品功能通常取决于可支配的计算能力。这是ML和AI领域的经验法则,即尖端计算资源的可用性越高,ML和AI的工作能力就越强。机器学习从业者必须消耗数小时,有时甚至数天数月才能训练出他们的机器学习模型。时间的长短是由计算能力决定的。
很显然,ML和AI等先进的自学习技术能否走得更远,取决于专用硬件芯片的重点开发,这种芯片须能支持此类模型所要求的计算能力。值得注意的是,英伟达(Nvidia)和英特尔(Intel)正在制造用于AI驱动产品的芯片,而科技巨头公司正是他们的重要客户。
2018年11月,亚马逊做了一个出乎意料的决定,宣布制造机器学习芯片INFERENTIA(亚马逊Inferentia)。
为什么亚马逊 Inferentia芯片如此重要?
来源:dy.163
机器学习工程师、AI科学家和云计算传播者等技术人员都有很多关于亚马逊 Inferentia的疑问。为了解决这些疑问,我们需要深入钻研机器学习领域。
通常,任何机器学习项目都涉及培训和推理两个阶段,之后就会产生产品或服务。
训练阶段
顾名思义,训练阶段即向机器提供所需数据的独特过程。机器从给定的数据集中学习运算模式。这是一个一次性的过程,旨在通过学习基于数学函数的复杂算法来使机器更智能。训练阶段可与课堂情景联系起来–教授为其学生讲授特定主题的课程。教授无疑是现阶段的关键。
推理阶段
学习了所有复杂算法之后,机器进入推理阶