近年人工智慧話題火熱，各行業陸續探尋應用人工智慧的機會，讓智慧機器帶給人類更多便利。其中帶動人工智慧機會的關鍵技術就是基於「深度神經網路」（Deep Neural Network, DNN）演算法的機器學習，DNN是模仿生物神經系統的數學模型，能夠讓程式具自我學習功能，設計欲解決問題的數學模型，透過大量數據蒐集與標記，反覆訓練數據資料調整數學模型，完成具有可信準確度的數學模型來解決辨識、預測、分類等問題。

目前大家在競爭的是資料的訓練（Training），重點在於有沒有足夠且標記正確的資料集來訓練模型，以及訓練模型的時間能不能縮短。預測模型要達到高準確率，需要經過一次又一次的訓練，若有足夠的數據，就能透過人工標示，讓程式準確地學習辨識的真實值，不僅模型要準確，產生模型的過程還得快速才行，若要加速訓練模型的時間，就要由了解資料且具有經驗的工程師調整系統參數，來降低每次訓練模型的次數。

技術簡介：

工研院研發的「深度學習訓練系統」搭載X86機器提供完整深度學習訓練軟體，深度學習的訓練仰賴高度平行運算來處理大量數據資料的訓練，除了利用GPU的高效能多核心的運算處理，「深度學習訓練系統」包含主流的深度學習框架與相關工具，以及提升訓練效能的進階功能，像是加速訓練時間且維持準確度、深度學習超參數自動調整、儲存設備與記憶體之間高速資料流動等技術，提供深度學習模型開發者一個方便且有效率的深度學習訓練環境，大幅提升訓練效能。

技術特色：

深度學習訓練系統包含The NVIDIA Deep Learning GPU Training System (DIGITS, NCCL, cuDNN, cuBLAS, CUDA, and more)、Deep Learning Frameworks (Caffe, TensorFlow, and more)、ITRI DNN Training Optimization Technologies等。

應用範圍：

AI應用開發商、AI應用服務商、伺服器硬體供應商、電信營運商等。

連絡窗口：

李宜蓁/雲端運算技術推廣部（C100）
電話：03-5916588
Email：kristielee@itri.org.tw
https://www.itri.org.tw/
工研院資訊與通訊研究所