Hace tan solo un año Microsoft Research revelaba Computational Network Toolkit (CNTK), una red unificada computacional que describe las redes neuronales como series de pasos computacionales a través de una gráfica. Gracias a la combinación de Microsoft Azure GPU Lab y a CNTK, Microsoft dispone de una plataforma de GPUs distribuidas a las que puede acceder la comunidad.
El cálculo computacional alcanza un nuevo nivel
Esta red permite avanzar en el campo de la inteligencia artificial según indican en Microsoft-News. Desde el año pasado cuando se lanzó CNTK, el equipo de Microsoft Research ha mejorado de manera muy significativa en el ámbito de Machine Learning gracias al Azure GPU Lab. En la actualidad CNTK ofrece el mejor rendimiento computacional y el más eficiente superando TensorFlow de Google y otros.
Desde Microsoft consideran que la eficiencia y el rendimiento deben ser elementos clave en el diseño. Existen otras herramientas pero, al compararlas con CNTK, la eficiencia al probar con unos datos de prueba que permitan trabajar con todas las GPUs. El resultado es que se trabaja con una mayor eficiencia que otros servicios como se puede observar en el gráfico.
Es increíble el crecimiento de Microsoft en este área de Machine Learning tras solo un año desde su creación. El potencial de Azure, Cortana y las herramientas de Microsoft parecen ser una maquinaria bien engrasada y que hace posible que no solo su funcionamiento sea increíble sino también el uso eficiente de recursos. Por si fuera poco, Microsoft ha ofrecido a través de GitHub el acceso a CNTK
pues ese potencial no sirve de nada si ni siquiera lanzan Cortana para LATAM
Ponlo en ingles. . . Como lloran
Cada día los comentarios van peores
Están trabajando en dos países de América, ya lo dijimos varias veces. Creo que una cosa no quita la otra
No entiendo el gráfico, el encabezado pone Frames/Seconds, lo que me hace pensar que están usando las GPUs para renderizar algo… Si es así, que tiene que ver eso con Machine Learning?
Si, se hacen pruebas para renderizar por eso ves el uso de GPU. Y bueno, es lo que he visto que indica Microsoft en TechNet :D
Since the debut of CNTK in April, we’ve significantly improved machine learning efficiency with Azure GPU Lab.
Pero renderizar frames no tiene nada que ver con Machine Learning, si me dijeras que analizan el contenido de X frames para saber que imágenes contienen o algo así, pero esa gráfica así como está solo me dice que CNTK renderiza más rápido solo porque soporta 8 gráficas y TensorFlow no…
A ver quizás lo he metido ahí y no pega con Machine Learning pero dicen que les ha servido, por otro lado si, lo que se ve es que permite ocho gráficas de dos equipos
Incorrecto. Frames per second en este caso no se refiere a renderizado sino a la cantidad de imagenes procesadas por segundo.
Se usa el GPU porque resulta mas eficiente para realizar operaciones matriciales que usar el CPU, en el caso de tarjetas de video NVIDIA el codigo fuente de CNTK utiliza la tecnologia CUDA y la libreria CUBLAS con este fin.
Acá está el código fuente del benchmark: https://github.com/Alexey-Kamenev/Benchmarks
Se usa el GPU porque resulta mas eficiente para realizar operaciones matriciales que usar el CPU, en el caso de tarjetas de video NVIDIA el codigo fuente de CNTK utiliza la tecnologia CUDA y la libreria CUBLAS con este fin.
Frames per second en este caso no se refiere a renderizado sino a la cantidad de imagenes procesadas por segundo.
Acá está el código fuente: https://github.com/Alexey-Kamenev/Benchmarks
Vaya que raro no? CNTK de Microsoft rinde mejor SOBRE AZURE que TensorFlow de Google. Podría la mano en el fuego que TensorFlow también rinde mejor en la nube de Google que cualquier otro… por otro lado y como dice Garolard creo que mezcláis peras con manzanas.
Pues creo que no, la información viene de la propia Microsoft. Y bueno considerábamos interesante el trabajo de Research…
Since the debut of CNTK in April, we’ve significantly improved machine learning efficiency with Azure GPU Lab.
Ahí ves que, salvo que me haya equivocado no parece que sean peras y manzanas.
Saludos
Si interesante es un huevo casi todo lo que sale de Research, pero que esa gráfica ahí no viene a cuento ni de Big Data ni de Machine Learning ni de nada relacionado con redes de aprendizaje automático, es solo una demostración de potencia bruta. De ahí que me quede un poco pillado cuando leo el artículo y veo la gráfica.
Por eso mismo, hemos mejorado el rendimiento de CNTK para Azure GPU Lab, que es lo mismo que decir hemos optimizado CNTK para que trabaje de puta madre con nuestra infraestrucutra.
Algo que Google ni el resto pueden hacer o almenos solo pueden hacerlo en su nube, si quieres vender que el mejor lugar donde correr CNTK es Azure o vender la potencia bruta de Azure muy bien. Pero no puedes decir que es mas eficiente solo por que rinde mejor tras meses de optimización para tu nube.
Si canviamos de infraestructura todo al garete?
We include two configurations on a single Linux machine with 1 and 4 GPUs (Nvidia K40) respectively. We also report our 8-GPU CNTK speed on Azure GPU Lab with 2 identical Linux machines (2 x 4 GPUs) as used in the baseline benchmark.
La parte con Azure solo tuve que ver con la grafica de 8 GPUs.
TensorFlow es bastante lento (algunos colegas le llaman TensorSlow en son de burla).
Bibliotecas similares de otros competidores como Neon de NervanaSystems o la conocida Caffe son significativamente mas rápidos.
No obstante el diseño de TensorFlow es elegante y se espera que el desempeño mejore.
Aun no uso CNTK pero espero poder corroborar dentro de pocos días lo que afirma Microsoft.
yo me he perdido, o igual lo prefiero así, quien quiera entender que entienda
Me recuerda a las graficas que muestra apple en cada keynote, esas de las que en este blog no paraban de mofarse..
Y tras esta noticia Google anuncia que Deepmind, ha conseguido vencer por primera vez a un jugador profesional de Go jajajajaja
https://youtu.be/SUbqykXVx0A