在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

英特爾利用深度神經(jīng)網(wǎng)絡(luò)來加速高內(nèi)涵篩選

7GLE_Intelzhiin ? 來源:未知 ? 作者:胡薇 ? 2018-06-22 16:23 ? 次閱讀

在近日舉行的英特爾人工智能開發(fā)者大會上,英特爾公司全球副總裁兼人工智能產(chǎn)品事業(yè)部總經(jīng)理Naveen Rao提到,英特爾正在與諾華合作,利用深度神經(jīng)網(wǎng)絡(luò)來加速高內(nèi)涵篩選——這是早期藥品研發(fā)的關(guān)鍵因素。雙方的合作把訓(xùn)練圖片分析模型的時間從11個小時縮短到了31分鐘——改善了20多倍。

細胞表型的高內(nèi)涵篩選是支持早期藥品研發(fā)的關(guān)鍵工具,“高內(nèi)涵”一詞是指利用傳統(tǒng)圖像處理技術(shù)從圖像中提取的豐富數(shù)據(jù)集,這些數(shù)據(jù)集由數(shù)千個預(yù)定義特性(如大小、形狀、肌理等)構(gòu)成。通過高內(nèi)涵篩選可以分析顯微鏡圖像,進而研究數(shù)千種基因或化學(xué)治療方法對不同細胞的培養(yǎng)效果。

深度學(xué)習(xí)有望做到的是從數(shù)據(jù)中“自動”學(xué)習(xí)如何通過相關(guān)圖像特征將一種治療方法與另一種治療方法區(qū)分開。英特爾與諾華的生物學(xué)家和數(shù)據(jù)科學(xué)家希望通過利用深度神經(jīng)網(wǎng)絡(luò)加速技術(shù),提高高內(nèi)涵圖像篩選的速度。在雙方的合作中,團隊并非通過獨立的步驟鑒別出圖像中的各個細胞,而是聚焦于完整的顯微鏡圖像,但完整的顯微鏡圖像遠遠大于深度學(xué)習(xí)數(shù)據(jù)集里的圖像,例如英特爾與諾華合作評估中使用的圖片就比典型的動物、物體和場景數(shù)據(jù)集ImageNet*中的圖像大26倍以上。

深度卷積神經(jīng)網(wǎng)絡(luò)模型在分析顯微鏡圖像時可同時分析一張圖像中的幾百萬個像素或者一個模型中的幾百萬個參數(shù),甚至還能同時分析數(shù)千個訓(xùn)練圖像,這些構(gòu)成了很高的計算工作量,即使采用最先進的計算性能也無法有足夠時間對DNN模型展開深入研究。為了解決這一挑戰(zhàn),英特爾聯(lián)手諾華利用深度神經(jīng)網(wǎng)絡(luò)加速技術(shù)處理多個圖像,大大縮減了時間并提高工作效率,同時讓模型從圖像特性中獲得更加豐富的洞察。具體講就是通過使用Broad Bioimage Benchmark Collection* 021 (BBBC-021) 數(shù)據(jù)集,英特爾與諾華合作團隊將總處理時間縮短至31分鐘,準(zhǔn)確率超過99%;利用深度學(xué)習(xí)訓(xùn)練中的數(shù)據(jù)并行性原則,并充分依靠服務(wù)器平臺上的大存儲支持,通過了32個TensorFlow* workers,實現(xiàn)了每秒處理120個3.9兆像素圖像的成果。

與諾華的合作,是英特爾通過企業(yè)級的解決方案為人工智能的應(yīng)用與企業(yè)部署提供最廣泛的計算力合作案例之一。在未來,雖然監(jiān)督學(xué)習(xí)對于加快圖像分類、縮短獲得洞察的時間至關(guān)重要,但卻仍需要依賴大量專家標(biāo)記的數(shù)據(jù)集來訓(xùn)練模型,建立此類數(shù)據(jù)集所需的時間和工作量往往超出現(xiàn)實條件。無監(jiān)督學(xué)習(xí)或許可以應(yīng)用于無標(biāo)記的顯微鏡圖像,有望在細胞生物學(xué)領(lǐng)域發(fā)現(xiàn)新洞察,有助于人類藥物研發(fā)的進一步發(fā)展。

[1] 20倍是通過從單節(jié)點系統(tǒng)擴展到8插槽集群實現(xiàn)的21.7倍速度提升。

8插槽集群節(jié)點配置:CPU:英特爾?至強? 6148處理器(2.4GHz);核心數(shù):40;插槽數(shù):2;超線程:啟用;內(nèi)存/節(jié)點:192GB,2666MHz;網(wǎng)卡:英特爾? Omni-Path Host Fabric Interface (英特爾? OP HFI);TensorFlow:v1.7.0;Horovod:0.12.1;OpenMPI:3.0.0;集群:ToR Switch:英特爾? Omni-Path Switch

單節(jié)點配置:CPU:英特爾?至強?融核處理器7290F;192GB DDR4 RAM;1x 1.6TB 英特爾? SSD DC S3610系列SC2BX016T4;1x 480GB 英特爾? SSD DC S3520系列SC2BB480G7;英特爾? MKL 2017/DAAL/Intel Caffe

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 英特爾
    +關(guān)注

    關(guān)注

    61

    文章

    9999

    瀏覽量

    172051
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4777

    瀏覽量

    100973

原文標(biāo)題:利用深度神經(jīng)網(wǎng)絡(luò),英特爾加速藥物研發(fā)新突破

文章出處:【微信號:Intelzhiin,微信公眾號:知IN】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?633次閱讀

    FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)作為其核心算法之一,在圖像識別、語音識別、自然語言處理等領(lǐng)域取得了顯著成果。然而,傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-24 10:42 ?752次閱讀

    殘差網(wǎng)絡(luò)深度神經(jīng)網(wǎng)絡(luò)

    殘差網(wǎng)絡(luò)(Residual Network,通常簡稱為ResNet) 是深度神經(jīng)網(wǎng)絡(luò)的一種 ,其獨特的結(jié)構(gòu)設(shè)計在解決深層網(wǎng)絡(luò)訓(xùn)練中的梯度消失和梯度爆炸問題上取得了顯著的突破,并因此成為
    的頭像 發(fā)表于 07-11 18:13 ?1150次閱讀

    什么是神經(jīng)網(wǎng)絡(luò)加速器?它有哪些特點?

    神經(jīng)網(wǎng)絡(luò)加速器是一種專門設(shè)計用于提高神經(jīng)網(wǎng)絡(luò)計算效率的硬件設(shè)備。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展和廣泛應(yīng)用,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和計算量急劇增加,
    的頭像 發(fā)表于 07-11 10:40 ?545次閱讀

    簡單認識深度神經(jīng)網(wǎng)絡(luò)

    深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)作為機器學(xué)習(xí)領(lǐng)域中的一種重要技術(shù),特別是在深度學(xué)習(xí)領(lǐng)域,已經(jīng)取得了顯著的成就。它們通過模擬人類大腦的處理方式,利用
    的頭像 發(fā)表于 07-10 18:23 ?1110次閱讀

    深度神經(jīng)網(wǎng)絡(luò)概述及其應(yīng)用

    深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)作為機器學(xué)習(xí)的一種復(fù)雜形式,是廣義人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks, ANNs)的重要分支。它們
    的頭像 發(fā)表于 07-04 16:08 ?1452次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是深度學(xué)習(xí)領(lǐng)域中兩種非常重要的神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 14:24 ?1410次閱讀

    深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在探討深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)與基本神經(jīng)網(wǎng)絡(luò)(通常指傳統(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò))的區(qū)別時,我們需
    的頭像 發(fā)表于 07-04 13:20 ?1003次閱讀

    深度神經(jīng)網(wǎng)絡(luò)的設(shè)計方法

    深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)作為人工智能領(lǐng)域的重要技術(shù)之一,通過模擬人腦神經(jīng)元之間的連接,實現(xiàn)了對復(fù)雜數(shù)據(jù)的自主學(xué)習(xí)和智能判斷。其設(shè)計方法不僅涉及網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 13:13 ?516次閱讀

    bp神經(jīng)網(wǎng)絡(luò)深度神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)是一種常見的前饋神經(jīng)網(wǎng)絡(luò),它使用反向傳播算法訓(xùn)練網(wǎng)絡(luò)。雖然BP神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-03 10:14 ?902次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的是什么

    、訓(xùn)練過程以及應(yīng)用場景。 1. 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 1.1 卷積神經(jīng)網(wǎng)絡(luò)的定義 卷積神經(jīng)網(wǎng)絡(luò)是一種前饋深度學(xué)習(xí)模型,其核心思想是利用卷積
    的頭像 發(fā)表于 07-03 09:15 ?463次閱讀

    深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)作為其中的重要分支,已經(jīng)在多個領(lǐng)域取得了顯著的應(yīng)用成果。從圖像識別、語音識別
    的頭像 發(fā)表于 07-02 18:19 ?970次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    化能力。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人工智能領(lǐng)域的重要技術(shù)之一。卷積神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)
    的頭像 發(fā)表于 07-02 14:24 ?4533次閱讀

    深度神經(jīng)網(wǎng)絡(luò)模型有哪些

    深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks,DNNs)是一類具有多個隱藏層的神經(jīng)網(wǎng)絡(luò),它們在許多領(lǐng)域取得了顯著的成功,如計算機視覺、自然語言處理、語音識別等。以下是一些常見的深度
    的頭像 發(fā)表于 07-02 10:00 ?1568次閱讀

    利用深度循環(huán)神經(jīng)網(wǎng)絡(luò)對心電圖降噪

    具體的軟硬件實現(xiàn)點擊 http://mcu-ai.com/ MCU-AI技術(shù)網(wǎng)頁_MCU-AI 我們提出了一種利用由長短期記憶 (LSTM) 單元構(gòu)建的深度循環(huán)神經(jīng)網(wǎng)絡(luò)降 噪心電圖信
    發(fā)表于 05-15 14:42
    主站蜘蛛池模板: 久操视频在线观看| 色午夜视频| 欧美三级一级片| 日本aaaaa级毛片片| 日本一本视频| 爱爱免费小视频| 免费一级欧美在线观看视频片| 伊人久色| 爱婷婷网站在线观看| 国产一区精品视频| 日本一区三区二区三区四区| 怡红院最新网址| 亚洲精品美女在线观看| 日本不卡一区视频| 视频在线观看h| 色综合色综合| 大尺度视频网站久久久久久久久| 日本国产黄色片| 特级毛片aaaa级毛片免费| 欧美满足你的丝袜高跟ol| 国产成人系列| 视频一区二区免费| 99热久久精品最新| 精品久久久久久国产免费了| 六月丁香激情综合成人| 黄黄视频免费看| 手机看片日韩国产| 亚洲高清日韩精品第一区| 成人v| 亚洲午夜精品在线| 666精品国产精品亚洲| www.国产一区二区三区| 国产精品va一区二区三区| 国内精品视频| 最新欧美一级视频| 乱操视频| 国产福利2021最新在线观看| 久久天天| 亚洲视频一| 久久精品免费在线观看| 欧美亚洲视频一区|