基于全国产软硬件的深度学习平台设计
2022-02-21吕昊靳文兵郝志超郭潇刘瑞泽
科技信息 2022年5期
吕昊 靳文兵 郝志超 郭潇 刘瑞泽
摘要:随着国内外形势的日益紧张,实现核心技术的自主可控就尤为重要。目前深度学习被应用到生活以及军事领域中,实现深度学习训练及推理的国产化具有重要意义。本课题主要设计一种基于全国产软硬件的深度学习平台,并打通目标检测领域模型的训练和推理,对平台的实用性进行验证。
关键词:全国产软硬件 深度学习平台 目标检测
0 引言:
在深度学习的发展研究过程中,数据的训练是非常重要的组成部分,如何高效的进行对数据的训练,并提供足够的计算资源,对深度学习的研究有非常重要的意义。国内外都展开了针对深度学习硬件加速平台的研发,如NVIDIA公司的GPU以及针对推理端的TX2[1],谷歌的TPU[2]等,以及国内百度推出了XPU[3],寒武纪的加速卡[4]以及华为的昇腾系列AI处理器[4]等。但是这些设备多数是针对推理端的硬件加速平台,在训练端,目前主要采用的还是x86体系的CPU+GPU的形式在进行,也有少数采用ARM平台进行训练的。在深度学习框架的应用上,目前应用较多的开源深度学习框架有谷歌的tensorflow,脸书的pytorch以及百度的Paddle等。在深度学习的训练以及推理平台上,我国进行深度学习训练的主流平台主要还是采用x86体系的CPU+GPU的形式,并在该硬件平台上搭载tensorflow或pytorch的深度学习框架。近年来,随着国内外形式的日益紧张,美国对我国高新技术的部分企业进行了限制和制裁,并对部分企业的部分设备和器件的采购进行了限制,因此发展基于国产化硬件平台并且可以实现软件·框架自主可控的深度学习平台具有重要意义。……
登录APP查看全文
