AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习
工具
AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习
框架
AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习
集群
AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习
硬件
AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习
GPU

作者简介:Dan Olds是技术趋势和客户情绪方面的权威人士,他也是经常被知名行业和商业出版物频频引用的专家,比如《华尔街日报》、彭博新闻社、《Computerworld》、《eWeek》、《CIO》和《PCWorld》等。

AI软件界在迅速发展。新的应用几乎每天都在层出不穷,现在正好可以趁机了解人们到底在用机器学习和其他AI技术做什么、这些技术可能何去何从。


我们在之前的两篇文章中探讨了实际用户在如何对待AI,以及如何利用AI来解决问题、优化企业。我们在本文中将深入了解数据中心的AI角落,看看公司在使用什么样的软硬件。


为此我们OrionX.net开展了一项调查,向用户展示了二十几种AI框架,询问他们是否打算使用某框架、是否已经在使用某框架,或者是否认为自己是专家。



AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

很少有人自称是任何一种框架方面的专家,平均比例在2%左右。TensorFlow和Scikit Learn是两种更受欢迎的框架,分别有9%和12%的人自称是这种框架方面的专家。然而如上图所示,客户熟悉大量的AI框架,不过他们不认为自己是专家。


IBM Watson是使用率排名第三的AI框架,Spark-MLib名列第四。我们惊讶地发现,所有24种框架都有各自的粉丝和拥趸。你将这样一份列表拿给调查用户看时,通常会看到四五种大受欢迎的选择,其余沦为默默无闻。AI框架方面无疑不是这种情况。


虽然这些都是机器学习工具集,但它们并不是完全取代对方,这意味着像TensorFlow和Sciket Learn这样一两种流行框架不会淘汰其他框架。


AI硬件:更进一步的观察

那么,这些项目有多庞大?它们用于处理AI的集群又有多庞大?这是我们的发现结果。


对调查对象如今从事的所有AI项目而言,平均数据量为442 TB,较大单个项目的平均数据量为235 TB。因此,从下面的平均数据量来看,调查中的典型企业似乎在从事一些很大的项目。



AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

然而,这些统计数据有点欺骗性。如果你看一下中位数而不是平均数,真实情况变得明朗化。AI项目的合并总数据量中位数仅为17TB,而较大单个项目的数据量只有5TB。



AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

平均数和中位数之间差异这么大,合理的解释就是,有一小部分的大型项目让数值出现了很大程度的偏差。AI趋势仍处于起步阶段,目前鲜有企业在开展极其庞大的AI项目。


如果看一下调查对象用于其AI项目的平均集群大小,就可以证明这一点。如图所示,60%以上的调查对象拥有节点数量不到128个的集群,一大批调查对象使用节点数量不到32个的集群。另一方面,一小批调查对象拥有超过2048个节点的集群,仅20%的调查对象声称集群的节点数量在512个到1024个之间。


AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习


这也证实了我们处于AI时代的较早时期。随着我们进一步发展,可能会看到AI集群的规模会迅速变大。


广阔的加速器世界

在本次调查的硬件部分,我们询问了关于GPU和FPGA等计算加速器的几个问题。众所周知,这些便捷的设备可以加快数字处理,还可以显著加快深度学习任务,尤其是在机器学习训练模型方面。GPU已成为大多数用户的推荐加速器,但随着用户对专门定制的AI FPGA越来越熟悉,我们预计这类加速器的使用量会逐渐增加。


我们询问了客户他们对于特定的GPU和FPGA加速器有多熟悉,为此给他们看了一份列有众多候选者的长长列表,询问他们是否熟悉该设备或目前是否在使用该设备。


下表代表了我们在2017年春夏期间所能找到的每一款加速器。到目前为止,可能还有更多的加速器即出现在市面上,或者更大的玩家会收购本文列表上的更多加速器。


AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习


看到80%的调查对象使用英伟达GPU加速器或熟悉英伟达GPU加速器,这不足为奇。


AMD GPU和谷歌TPU的熟悉度/使用率不相上下,都是60%多一点,而英特尔的Altera FPGA排在第四位。事实上,由于四处收购FPGA技术公司(具体来说指Altera和Movidius),英特尔有多款GPU加速器上榜。


我们没有料想到的一个方面是,调查对象很熟悉或在使用榜单上不大知名的技术。就连榜单上知名度/使用量最小的硬件(来自Krtkl,这是一家设计嵌入式FPGA等产品的小公司)也被我们25%的调查对象所认可。


结束语

在第一篇文章中,我们的数据显示,虽然几乎所有的调查对象都在开展AI项目,但很少有人(约7%)真正在生产环境下搞AI项目。在第二篇文章中,我们发现大多数实际的AI项目旨在推进和简化典型应用,比如预测性维护和分析大数据。虽然图像、语音和视频AI分析似乎备受媒体的关注,但大多数客户在使用AI来分析数字和文本。


我们在本文中了解到,虽然有几个非常大的AI项目(至少由我们的300多个调查对象来判断是这样),但就数据量而言,中位数项目还是相当小(约5TB)。我们还发现,说到GPU和FPGA之类的AI加速器,实际的客户熟悉行情,他们知道这个市场的大小玩家。我们还再次证实了自己的假设:AI的发展处于早期阶段;对于这个激动人心的细分市场而言,真正的发展还未到来。


报告全文:


AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习

欢迎加入本站公开兴趣群

商业智能与数据分析群

兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识

QQ群:418451831

tags: AI,GPU,加速器,框架,FPGA,调查,项目,集群,对象,数据,熟悉,中位数,TensorFlow,Learn
分页:12
转载请注明
本文标题:AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson深度学习
本站链接:https://www.codesec.net/view/576014.html


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 商业智能 | 评论(0) | 阅读(55)