Недавно Microsoft выпустила документ, в котором описала свои текущие проекты по запуску свёрточных нейронных сетей на базе программируемых пользователем вентильных матриц (field-programmable gate array, FPGA). Данная технология позволяет системе обучаться, а также очень быстро распознавать изображения.
FPGA в этой системе заменяет обычно используемые при обработке изображений графические процессоры (GPU) — они позволяют быстрее обрабатывать информацию и экономить электроэнергию. Проводимая Microsoft работа может привести к революционным изменениям в области самообучающихся сетей, если проект достигнет успеха.
Главным недостатком системы, основанной на FPGA, является её возможная низкая производительность. Последние исследования показывают, что FPGA потребляет в 10 раз меньше энергии, чем наиболее дорогостоящие GPU, но при этом последние выигрывают в скорости обработки изображений.
При проведении определённого теста графическая карта Tesla K40 от Nvidia обрабатывала от 500 до 824 изображений в секунду, в то время как чип FPGA Altera Arria 10 выдал показатель в 233 изображения в секунду.
Авторы исследования Microsoft утверждают, что показатель производительности в секунду является относительной величиной, потому что кластер чипов FPGA способен превзойти один графический процессор, используя при этом намного меньше энергии. Дальнейшие разработки в данной области позволят добиться огромных результатов, как в скорости обработки данных, так и в машинном обучении.
В прошлом году корпорация усилила Bing с помощью сопроцессоров FPGA в каждой отдельной серверной стойке. Это было сделано в рамках проекта Catapult, который значительно увеличил эффективность и производительность поисковой системы. Со временем Microsoft применит архитектуру Catapult в более широких областях поиска.
