摘要:雖然這些都是機器學習工具集,但它們并不是完全取代對方,這意味著像和這樣一兩種流行框架不會淘汰其他框架。事實上,由于四處收購技術公司具體來說指和,英特爾有多款加速器上榜。
作者簡介:Dan Olds是技術趨勢和客戶情緒方面的權威人士,他也是經常被知名行業和商業出版物頻頻引用的專家,比如《華爾街日報》、彭博新聞社、《Computerworld》、《eWeek》、《CIO》和《PCWorld》等。
?
AI軟件界在迅速發展。新的應用幾乎每天都在層出不窮,現在正好可以趁機了解人們到底在用機器學習和其他AI技術做什么、這些技術可能何去何從。
我們在之前的兩篇文章中探討了實際用戶在如何對待AI,以及如何利用AI來解決問題、優化企業。我們在本文中將深入了解數據中心的AI角落,看看公司在使用什么樣的軟硬件。
為此我們OrionX.net開展了一項調查,向用戶展示了二十幾種AI框架,詢問他們是否打算使用某框架、是否已經在使用某框架,或者是否認為自己是專家。
很少有人自稱是任何一種框架方面的專家,平均比例在2%左右。TensorFlow和Scikit Learn是兩種更受歡迎的框架,分別有9%和12%的人自稱是這種框架方面的專家。然而如上圖所示,客戶熟悉大量的AI框架,不過他們不認為自己是專家。
IBM Watson是使用率排名第三的AI框架,Spark-MLib名列第四。我們驚訝地發現,所有24種框架都有各自的粉絲和擁躉。你將這樣一份列表拿給調查用戶看時,通常會看到四五種大受歡迎的選擇,其余淪為默默無聞。AI框架方面無疑不是這種情況。
雖然這些都是機器學習工具集,但它們并不是完全取代對方,這意味著像TensorFlow和Sciket Learn這樣一兩種流行框架不會淘汰其他框架。
AI硬件:更進一步的觀察
那么,這些項目有多龐大?它們用于處理AI的集群又有多龐大?這是我們的發現結果。
對調查對象如今從事的所有AI項目而言,平均數據量為442 TB,較大單個項目的平均數據量為235 TB。因此,從下面的平均數據量來看,調查中的典型企業似乎在從事一些很大的項目。
然而,這些統計數據有點欺騙性。如果你看一下中位數而不是平均數,真實情況變得明朗化。AI項目的合并總數據量中位數僅為17TB,而較大單個項目的數據量只有5TB。
平均數和中位數之間差異這么大,合理的解釋就是,有一小部分的大型項目讓數值出現了很大程度的偏差。AI趨勢仍處于起步階段,目前鮮有企業在開展極其龐大的AI項目。
如果看一下調查對象用于其AI項目的平均集群大小,就可以證明這一點。如圖所示,60%以上的調查對象擁有節點數量不到128個的集群,一大批調查對象使用節點數量不到32個的集群。另一方面,一小批調查對象擁有超過2048個節點的集群,僅20%的調查對象聲稱集群的節點數量在512個到1024個之間。
這也證實了我們處于AI時代的較早時期。隨著我們進一步發展,可能會看到AI集群的規模會迅速變大。
廣闊的加速器世界
在本次調查的硬件部分,我們詢問了關于GPU和FPGA等計算加速器的幾個問題。眾所周知,這些便捷的設備可以加快數字處理,還可以顯著加快深度學習任務,尤其是在機器學習訓練模型方面。GPU已成為大多數用戶的推薦加速器,但隨著用戶對專門定制的AI FPGA越來越熟悉,我們預計這類加速器的使用量會逐漸增加。
我們詢問了客戶他們對于特定的GPU和FPGA加速器有多熟悉,為此給他們看了一份列有眾多候選者的長長列表,詢問他們是否熟悉該設備或目前是否在使用該設備。
下表代表了我們在2017年春夏期間所能找到的每一款加速器。到目前為止,可能還有更多的加速器即出現在市面上,或者更大的玩家會收購本文列表上的更多加速器。
看到80%的調查對象使用英偉達GPU加速器或熟悉英偉達GPU加速器,這不足為奇。?
AMD GPU和谷歌TPU的熟悉度/使用率不相上下,都是60%多一點,而英特爾的Altera FPGA排在第四位。事實上,由于四處收購FPGA技術公司(具體來說指Altera和Movidius),英特爾有多款GPU加速器上榜。
我們沒有料想到的一個方面是,調查對象很熟悉或在使用榜單上不大知名的技術。就連榜單上知名度/使用量最小的硬件(來自Krtkl,這是一家設計嵌入式FPGA等產品的小公司)也被我們25%的調查對象所認可。
結束語
在第一篇文章中,我們的數據顯示,雖然幾乎所有的調查對象都在開展AI項目,但很少有人(約7%)真正在生產環境下搞AI項目。在第二篇文章中,我們發現大多數實際的AI項目旨在推進和簡化典型應用,比如預測性維護和分析大數據。雖然圖像、語音和視頻AI分析似乎備受媒體的關注,但大多數客戶在使用AI來分析數字和文本。
我們在本文中了解到,雖然有幾個非常大的AI項目(至少由我們的300多個調查對象來判斷是這樣),但就數據量而言,中位數項目還是相當小(約5TB)。我們還發現,說到GPU和FPGA之類的AI加速器,實際的客戶熟悉行情,他們知道這個市場的大小玩家。我們還再次證實了自己的假設:AI的發展處于早期階段;對于這個激動人心的細分市場而言,真正的發展還未到來。
報告全文:
歡迎加入本站公開興趣群
商業智能與數據分析群
興趣范圍包括各種讓數據產生價值的辦法,實際應用案例分享與討論,分析工具,ETL工具,數據倉庫,數據挖掘工具,報表系統等全方位知識
QQ群:81035754
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/4760.html
摘要:全球主要的云計算提供商現在提供基于云計算的人工智能產品。顯然,由于從頭開始構建這樣一個系統的費用高昂,人工智能作為一項服務仍然一直位于行業巨頭所在的領域。在用于人工智能服務的品牌下,公司提供不少于項服務。如今,采用人工智能的企業遇到了一個主要障礙,那就是在內部開發人工智能產品成本高昂,因此有了外包人工智能產品的需求。而對于從中小企業到預算受限的大型企業來說,通過云計算來采用人工智能的成本要低...
摘要:貢獻者飛龍版本最近總是有人問我,把這些資料看完一遍要用多長時間,如果你一本書一本書看的話,的確要用很長時間。為了方便大家,我就把每本書的章節拆開,再按照知識點合并,手動整理了這個知識樹。 Special Sponsors showImg(https://segmentfault.com/img/remote/1460000018907426?w=1760&h=200); 貢獻者:飛龍版...
摘要:想機器學習這樣的技術是當今許多工具的基礎,并不容易掌握。機器學習讓計算機聽懂我們說的話,認識我們的行為。后續也提供了一些更難得課程,如結構機器學習項目。 showImg(https://segmentfault.com/img/bV1L7s?w=948&h=546); 簡評:NVIDIA 官方推薦了一些 AI 課程?,F在課程確實太多,亂花漸欲迷人眼,擇其優者而從之。 人工智能這個概念已...
摘要:下載地址點擊這里這篇特定的論文描述了的數據流模型,與所有現有的系統相比,系統表現出了令人矚目的性能。 作者:chen_h微信號 & QQ:862251340微信公眾號:coderpai簡書地址:http://www.jianshu.com/p/10aa... showImg(https://segmentfault.com/img/bV0rYD?w=700&h=467); 眾所周知,...
摘要:是你學習從入門到專家必備的學習路線和優質學習資源。的數學基礎最主要是高等數學線性代數概率論與數理統計三門課程,這三門課程是本科必修的。其作為機器學習的入門和進階資料非常適合。書籍介紹深度學習通常又被稱為花書,深度學習領域最經典的暢銷書。 showImg(https://segmentfault.com/img/remote/1460000019011569); 【導讀】本文由知名開源平...
閱讀 1170·2021-10-20 13:48
閱讀 2196·2021-09-30 09:47
閱讀 3107·2021-09-28 09:36
閱讀 2348·2019-08-30 15:56
閱讀 1201·2019-08-30 15:52
閱讀 2027·2019-08-30 10:48
閱讀 613·2019-08-29 15:04
閱讀 574·2019-08-29 12:54
极致性价比!云服务器续费无忧!
Tesla A100/A800、Tesla V100S等多种GPU云主机特惠2折起,不限台数,续费同价。
NVIDIA RTX 40系,高性价比推理显卡,满足AI应用场景需要。
乌兰察布+上海青浦,满足东推西训AI场景需要