शोधकर्ताओं ने तंत्रिका नेटवर्क कम्प्यूटिंग की कल्पना की

तंत्रिका नेटवर्क सीखने के चक्र का दृश्य

ग्राफकोर परियोजना के इंजीनियरों की टीम ने तंत्रिका नेटवर्क की नोड्स की गतिविधि और पैटर्न मान्यता में प्रशिक्षण की प्रक्रिया में उनके कनेक्शन के रेखांकन का निर्माण किया, जिसे शोधकर्ताओं ने अपने ब्लॉग पर बताया ।

ऊपर दी गई छवि दिसंबर 2016 में Microsoft रिसर्च RESNET-34 तंत्रिका नेटवर्क के सीखने और मान्यता के पूर्ण चक्र को दिखाती है। सिस्टम को आईपीयू के आधार पर ही तैनात किया गया था - एक बुद्धिमान ग्राफिक्स प्रोसेसर, जैसा कि निर्माता इसे कहते हैं, 2016 के मध्य में। प्राप्त डेटा तंत्रिका नेटवर्क द्वारा की गई गणना के विभिन्न घनत्व को अलग करने के लिए रंगीन था।

शोधकर्ताओं द्वारा प्राप्त की गई सभी छवियां न केवल बहुत जटिल थीं, बल्कि वास्तविक जैविक वस्तुओं के समान भयावह थीं। इंजीनियरों का उद्देश्य स्पष्ट रूप से दिखाना था कि तंत्रिका नेटवर्क के अंदर क्या हो रहा है और क्यों कुछ वैज्ञानिक अपने काम के सिद्धांत से भ्रमित हैं।

ग्राफकोर द्वारा निर्मित चित्र Microsoft RESNET न्यूरल नेटवर्क के तकनीकी ग्राफिक्स हैं। 2015 में, RESNET ने एक छवि पहचान प्रतियोगिता जीती, जिसे ImageNet कहा जाता है।

छवि मान्यता के लिए ग्राफकार न्यूरल नेटवर्क प्रशिक्षण के 50 चक्रों के बाद निम्न छवि प्राप्त की गई थी:



ग्राफकोर का आईपीयू सिस्टम पॉपलर फ्रेमवर्क के साथ काम करता है। फ्रेमवर्क C ++ में लिखा गया है और यह तंत्रिका नेटवर्क के मशीन लर्निंग के दौरान ग्राफ़ के साथ काम करने पर केंद्रित है। लाइब्रेरी पॉपलर एक ओपन सोर्स डेवलपमेंट है, जिसे भविष्य में TensorFlow और MXNet के साथ मिलकर उपयोग किया जा सकता है, जो IPU ग्राफकोर के साथ लगभग बॉक्स के बाहर काम कर सकता है। डिबगिंग और विश्लेषण टूलसेट को C ++ और पायथन दोनों का उपयोग करके अनुकूलित किया जा सकता है।

ग्राफू आईपीयू न केवल छवि मान्यता के लिए लागू है, बल्कि एक बड़े डेटा सरणी के प्रसंस्करण के लिए भी लागू है। उदाहरण के लिए, डेवलपर्स एक तंत्रिका नेटवर्क के नियंत्रण में अपने आईपीयू पर खगोल डेटा के प्रसंस्करण की प्रक्रिया का दृश्य प्रदान करते हैं:



या यहाँ एक गहरी तंत्रिका नेटवर्क की छवि है जो एलेक्सनेट ने टेन्सरफ्लो का उपयोग करके बनाया है:



एलेक्सनेट इमेजनेट के विजेता भी हैं, लेकिन 2012 में। तुलना के लिए, Microsoft अनुसंधान RESNET पर आधारित तंत्रिका नेटवर्क की संरचना दी गई है:



आईपीयू को विशेष रूप से तंत्रिका नेटवर्क के साथ काम करने के लिए विकसित किया गया था, और डेवलपर्स को उम्मीद है कि उनके काम का परिणाम मशीन सीखने में एक नए चरण में प्रवेश करेगा। ग्राफकोर टीम आईपीयू नेटवर्क की अधिक दक्षता के साथ-साथ प्रतियोगियों की तुलना में अधिक सीखने की गति को नोट करती है।