IBM’in derin öğrenme yazılımı bir ilki gerçekleştirdi

Yazılım darboğazı
Rekora doymamışlar
Yorumlar

Metehan Göktaş

Yazar

Günümüzde yapay zeka teknolojileri bir hayli hızlı bir şekilde gelişim gösteriyor. Bununla birlikte daha fazla alanda hayatımıza girmeye devam ediyor. ABD’li teknoloji şirketi IBM’in derin öğrenme alanında geliştirdiği yazılım da bu alanda ses getirecek cinsten.

IBM’in derin öğrenme yazılımı bir ilki gerçekleştirdi

IBM’in geliştirdiği yazılım rapora göre 7.5 milyon görsel içeren ImageNet-22K veri kümesinde %33.8’lik bir doğruluk oranını yakalamayı başarmış. İlk bakışta yüksek olmayan bu değerin önemi ise daha önceki rekorla arasındaki fark. Microsoft tarafından kırılan bir önceki rekorun %29.8 seviyesinde olduğu düşünüldüğünde farkın %4 olduğu görülüyor ki bu değer daha önceki artışlarda yalnızca %1 sularındaydı.

Yazılım darboğazı

Derin öğrenmede hızlandırıcı olarak kullanılan GPU’lar aslında oldukça hızlı hatta aktarılanlara göre bu hızları nedeniyle çalışmalar daha da zorlaşmakta. Öyle ki kendisine atanan görevi tamamlayan kartlar arasında senkronizasyon eksikliği nedeniyle GPU’lar birbirinin işlerine geçebiliyorlar ve ortaya çıkan karmaşadan dolayı doğruluk oranı düşüyor. Haliyle işlemin verimi düşüyor. Bu nedenle burada ne tuhaftır ki yazılımın bir darboğazı söz konusu.

IBM’in amacı ve başardığı nokta da buradaki senkronizasyonu daha iyi hale getirerek işlemin verimini arttırmak. DDL adı verilen çözüm sayesinde GPU’ların yönetiminde iyileştirme yapılmış ve bu sayede onlarca kartın yer aldığı sistemin işlediği görsellerde elde ettiği doğruluk oranı yükselmiş.

Bununla birlikte yazılım sayesinde ResNet-101 nöral ağının eğitiminde de hızlanma sağlanmış. Microsoft’un çözümünün aynı ağda eğitilmesi 10 gün sürerken IBM’in çözümünün alışma süreci 7 saat içinde tamamlanmış.

Rekora doymamışlar

Bununla birlikte araştırmacılar yukarıda verilen alanlara ek olarak daha önce en iyi değerin Facebook’un yapay zeka araştırmaları sırasında elde edilen 256 GPU için en iyi keskinlik rekorunu da kırmışlar. FAIR adındaki Facebook projesi 1 saatlik test sonucunda daha küçük bir derin öğrenme modeli olan ResNet-50 üzerinde 1.3 milyon görsel içeren ImageNet-1K veri kümesinde çalışmış ve %89 doğruluk oranını yakalamış.

IBM’in kurulumu ise aynı şartlarda %95 keskinliğe sahip bir sonucu sadece 50 dakikalık alıştırma sonucunda elde etmiş. Ek olarak Facebook’un Caffe2, IBM’in ise Torch yazılım kütüphaneleriyle çalıştığını da ekleyelim.

IBM’in belirttiğine göre yeni yazılım Tensorflow, Caffe, Torch ve Chainer gibi popüler açık kaynak kodlu derin öğrenme sistemleriyle oldukça uyumlu çalışabiliyor. Son olarak firmaya göre yeni yazılımdan sağlık alanında da faydalanılabilecek. Örneğin çok sayıda kanser hücresinin bulunduğu bir görsel kümesinde hücrelerin teşhisi amaçlı kullanım mümkün olabilir.