众里寻“它”，宝德服务器助力图像识别研究

Posted 2021-04-06 宝德服务器

随着信息技术的发展，人们已进入了大数据时代，构建集群对海量数据进行分布式计算与存储已成为一种共识，图像识别领域也同样如此。图像识别指用视觉传感器（摄像头）和计算机来模拟人眼和大脑，进行物体识别、跟踪和测量，进而做图形处理让计算机理解真实世界。图像识别技术有很多应用场景，如：人脸识别、拍照识别、物体识别等各种图像场景的识别。

中国电子科学研究院北京某所

中国电子科学研究院北京某所，主要从事图像识别算法研究，并提供图像识别服务，是视觉领域值得信赖的科研力量。其凭借在计算机视觉领域多年的研究积累，以独特的图像检索和算法，能有效提升识别的精准度。

而该研究所基于深度学习的图像识别技术却面临计算机集群性能不够，计算用时太长的问题。算法执行需硬件架构的支撑，一个模型对海量的样本数据进行学习，在CPU上执行一般需几天甚至几个月，大大拉长了研发周期和拖慢产品进程。因此，先进的硬件计算架构是激活优秀算法的前提。

宝德深度学习图像识别软硬件解决方案

为此，宝德为该研究所提供了基于深度学习的图像识别软硬件解决方案。以宝德PR4908P为代表的GPU服务器产品，在同CPU计算力下，GPU配置数量比业内平均水平高出一半，且能够支持8张GPU卡；采用宝德双路服务器PR2510P为管理节点，提供先进的管理功能和存储技术，具有可靠的扩充性和高可用性。宝德根据深度学习多并行，高I/O需求，设计出分布式并行存储系统和56GB/s InfiniBand网络架构的横向扩展的GPU主从硬件集群架构，配合Caffe架构实现了跨多节点的数据并行计算，该架构兼顾计算密集型，IO密集型等计算模型硬件需求特点。

宝德AI加速服务器PR4908P

宝德通用双路服务器PR2510P

该方案突破了多机多卡并行计算I/O速率不足的瓶颈，在保证系统稳定性前提下，使高性能GPU计算能力得到充分发挥，帮助用户大幅提升线下模型训练速度，降低每个计算核心的TCO。配合Caffe架构的深度学习算法，用户在图像识别类应用上，实现高精度图像识别模型的快速训练，加速后期业务产品化进程。

▽

该所的研究人员表示，我们需要更多人工智能和大数据在图像识别问题上的典型应用，来拉动人工智能进一步深度应用。这是相辅相成的，空喊方法，不形成规模化、典型应用，是解决不了问题的。而宝德基于深度学习的图像识别软硬件解决方案带来强大算力满足了我们对高性能计算的需求，相信在高算力的驱动下，我们的图像识别技术将更加领先。

·END·

宝德，计算驱动未来！

微信号：宝德服务器