IBM與EPFL的研究人員合作，創(chuàng)造了一種用于處理大型數(shù)據(jù)集以訓(xùn)練機(jī)器學(xué)習(xí)算法的新方法。這種被稱為Duality-gap based Heterogeneous Learning（DuHL）的新算法能夠每60秒推送30GB的數(shù)據(jù)，比以前的方法提高了10倍。

通常，需要TB的內(nèi)存才能模擬某些機(jī)器學(xué)習(xí)模型。所需的服務(wù)器硬件相當(dāng)昂貴，甚至一旦建立操作，計(jì)算能力仍然是研究人員的一個(gè)問題。運(yùn)行一個(gè)測(cè)試幾天甚至幾個(gè)星期，使得研究人員難以按小時(shí)租用硬件進(jìn)行機(jī)器學(xué)習(xí)。

利用GPU進(jìn)行并行計(jì)算已經(jīng)有好多年了，但目前的顯卡還沒有達(dá)到IBM研究所需的太字節(jié)內(nèi)存需求。目前針對(duì)GPU，有不同節(jié)點(diǎn)分割計(jì)算需求的方法，但不是所有的任務(wù)都適合分配。對(duì)此，IBM現(xiàn)在允許其機(jī)器學(xué)習(xí)工具隨著算法的進(jìn)展而改變對(duì)單個(gè)數(shù)據(jù)片段的調(diào)用。簡而言之，過去的成就將貫穿整個(gè)驗(yàn)證階段，以便為系統(tǒng)提供反饋，使系統(tǒng)比以前更快地指向正確的方向。

在初步測(cè)試期間，IBM使用了配有8GB GDDR5內(nèi)存的NVIDIA Quadro M4000顯卡。在這種價(jià)格適中的專業(yè)圖形卡上IBM證明，與標(biāo)準(zhǔn)的順序操作方法相比，使用DuHL系統(tǒng)可以將支持向量機(jī)訓(xùn)練速度提高10倍以上。