Усовершенствовав свои мегачипы Xeon Phi, корпорация Intel намерена бросить вызов тензорным процессорам Google и графическим процессорам Nvidia в области машинного обучения.

«В Xeon Phi появятся новые функции, ориентированные на машинное обучение», — сообщил руководитель направления машинного обучения Intel Нидхи Чаппелл. Перспективная технология машинного обучения позволяет более эффективно решать задачи по распознаванию образов и анализу данных.

Когда конкретно будут добавлены новые функции, в Intel пока не раскрывают, но выпуск следующей версии Xeon Phi запланирован на 2018 год. В настоящее время в области машинного обучения Intel отстает от конкурентов, поэтому есть вероятность, что разработка очередного варианта Xeon Phi будет ускорена.

Новейший чип Intel Xeon Phi, разрабатывавшийся под кодовым наименованием Knights Landing и имеющий 72 ядра, был представлен в конце июня. В настоящее время проводится его тестирование на моделях машинного обучения, и в компании рассчитывают, что при определенных условиях он окажется эффективнее графических процессоров.

Xeon Phi может выступать в роли как центрального процессора, так и сопроцессора, но сегодня со своей векторной обработкой он предназначен скорее для суперкомпьютеров, чем для решения задач машинного обучения
Источник: Intel

Xeon Phi может выступать в роли как центрального процессора, так и сопроцессора, но сегодня со своей векторной обработкой и адаптированными ядрами Atom он предназначен скорее для суперкомпьютеров, чем для решения задач машинного обучения.

«Xeon Phi снижает потребность в переносе нагрузки машинного обучения на сопроцессоры», — пояснил Чаппелл. Сейчас многие задачи машинного обучения выполняются графическими процессорами. В мае компания Google анонсировала собственные тензорные процессоры.

Для ускорения машинного обучения Xeon Phi можно дополнить высокоскоростной внутренней шиной. В настоящее время компания Intel пытается интегрировать Xeon Phi с шиной OmniPath, которая позволяет ускорить перемещение данных между серверами.

«Мы намерены расширить и поддержку программного обеспечения машинного обучения с открытым кодом», — заявил Чаппелл. Intel выстраивает модели машинного обучения на базе пакета с открытым кодом Caffe. В перспективе чипы Xeon Phi могли бы поддерживать и программное обеспечение машинного обучения Google TensorFlow, которое также распространяется с открытым кодом.

В Intel считают, что их процессоры могли бы найти применение в медицине и при обработке изображений, а обучающие модели повысят эффективность анализа данных. Новые процессоры, в частности, должны помочь при проведении диагностики заболеваний и классификации изображений путем анализа их пикселов.

«Конечная наша цель заключается в том, чтобы сократить продолжительность обучения при использовании конкретных моделей и ускорить выполнение вычислений», — пояснил Чаппелл.