Caffe-MPI for KNL发布

在ISC2016上，浪潮公司发布了深度学习计算框架Caffe-MPI for KNL。

在伯克利caffe架构的基础上，Caffe-MPI采用成熟的MPI技术对Caffe予以数据并行的优化，其目标是解决深度学习计算模型训练的效率问题。浪潮针对HPC系统架构技术设计，完成了多机多卡的并行化开发，并完全保留了原始caffe架构的特性。

• 采用Lustre存储+IB网络+HPC集群，基于Lustre并行存储采用多进程+多线程机制并行读取训练数据，实现较高的IO吞吐。
• 采用IB网络实现高速互联网，实现参数的快速传输和模型更新。
• 采用数据并行机制，利用HPC集群实现大规模训练。
• 支持多机多卡同时训练，并可以部署到大规模训练平台上对大规模数据样本的训练。

KNL——Knights Landing，是英特尔第二代至强Phi芯片，既可以做协处理器，也可以单独做中央主处理器，处理器核心数量超过72个，并支持四线程，最多拥有288个线程，双精度浮点性能超过3TFlops，单精度则超过6TFlops。（参见：英特尔院士概述深度学习愿景与优化，Caffe for Xeon Phi成亮点）。

深度学习任务的高性能计算需求是KNL的核心目标之一，Caffe-MPI for KNL让深度学习用户可以选择最贴合自身实际应用的异构加速技术。

---

机器学习课程推荐：

“统计机器学习入门——老司机带你读经典”系列课程使用经典的ISLR（An Introduction to Statistical Learning with Applications in R）为教材，结合具体案例，介绍统计学习的基本概念和常用算法，希望大家能够在以下方面有所收获：

1. 统计机器学习的基本概念和方法论。
2. 机器学习可以解决什么问题？
3. 机器学习技术如何解决这些问题？
4. 实际应用中有哪些需要注意的问题和技巧？

详情&报名：http://edu.csdn.net/huiyiCourse/detail/151