北京2017年4月27日電 /美通社/ -- 在近期的F8開發者大會上，Facebook 正式宣布開源其全新深度學習框架 Caffe2，由于該框架可以將機器學習移動化，用在 iOS、Android 和樹莓派上訓練和部署模型，一經發布便引起業內高度關注。基于此，英特爾、微軟等公司紛紛展開合作,在云端和移動環境兩個方面都對 Caffe2 做了優化。這些合作將使機器學習從業者能夠使用更復雜的模型快速地進行實驗，并部署下一代 AI 增強型的應用和服務。如此，機器學習移動化的價值能更好地得以實現，進一步拓寬人工智能應用場景。
英特爾和Facebook正在攜手，把英特爾® MKL函數集成與Caffe2結合。這使Caffe2在英特爾CPU上的性能大大提升。大多數深度學習工作負載同時包含訓練和推理，其中推理所需的計算資源總量遠高于訓練。目前絕大多數推理工作負載都運行在英特爾®至強®處理器上，這一合作大大方便了廣大人工智能技術開發者。
事實證明，英特爾® MKL函數集成與Caffe2的結合效果喜人。根據Caffe2上采用了AlexNet拓撲以及英特爾® MKL和Eigen BLAS的性能結果顯示，Caffe2在CPU上進行了高度優化，并提供明顯更有競爭力的性能。對于小型批處理推理工作負載，專家建議在每個CPU核心上運行一個工作負載，并且并行運行多個工作負載，每個核心一個工作負載。
其實，為了針對各種訓練和推理應用進行優化，去年，英特爾在幾個深度學習框架上都迅速增加了CPU的支持。這些優化中核心的一項便是英特爾®數學核心函數庫（英特爾® MKL），它使用英特爾®高級矢量擴展CPU指令集（例如英特爾® AVX-512），更好地支持深度學習應用。該函數庫的算法能夠平均分配數據和任務，充分利用多個核心和處理器。
通過這次與Facebook攜手增進Caffe2在英特爾架構上性能的舉措不難看出，英特爾一直是積極賦能人工智能開發的領軍角色。長期以來，英特爾致力于開源協作，確保客戶和合作伙伴在英特爾硬件上擁有出色、簡便、完整的 AI 體驗。英特爾使數據、培訓、工具和智能技術更容易獲取，目的是助力人工智能技術的大眾化，擴大人工智能的影響力，這些實際上這是英特爾作為AI應用普及推動者，正在積極打造AI時代的新生態的一部分。
在深度學習框架層面，英特爾正在基于X86架構優化各種深度學習框架，讓企業迅速能夠部署人工智能，比如 Caffe，TensorFlow，Theano 和 Torch 等。在Google對較受歡迎的深度學習框架之一TensorFlow 進行開源后，英特爾發布了 TensorFlow 的性能優化開發者工具包，促進使用 CPU 進行深度學習，強化其在英特爾處理器上的執行效能。雙發協作讓TensorFlow可以用于所有英特爾CPU核心以改善平行運算、整合高效能函式庫如MKL到TensorFlow，并且優化不同網路拓撲的記憶體配置與資料層的運作。
此外，英特爾在 2016年12月開源了基于 Apache Spark 的分布式深度學習框架 BigDL，大大降低普通大數據用戶和數據科學家在使用深度學習進行數據分析和構建人工智能應用的門檻。據悉，BigDL 一大優點是它原生地建立在Spark 上，天然地繼承了Spark 的可擴展性，并且與現有大數據處理工作流(例如Spark ML pipeline，SparkSQL, Spark Streaming, Dataframes, Structured Streaming 等)無縫集成。用戶可以通過 BigDL將深度學習應用編寫為標準的 Spark程序，這些程序可以直接在 Spark或Hadoop集群上運行。將BigDL進行開源大大方便了有大量數據需要管理，以及擁有大數據平臺(Hadoop/Spark)的分析客戶。在短短一個月內，GitHub上已獲得 229 個用戶克隆 BigDL代碼(FORK)和1421個用戶收藏(STAR)。
其實，無論是與科研、互聯網、電商、生命科學等不同領域生態合作伙伴一起，以英特爾架構（IA）技術、產品和創新，充分滿足生物、計算機視覺等多元化的應用創新，還是與Facebook攜手優化Caffe 2在英特爾處理器上的運用，開源BigDL等深度學習框架等，抑或是傳播AI知識，建立英特爾®Nervana?人工智能研究院——英特爾構建AI生態的初衷，都是要讓人工智能應用的門檻降低，大幅拓寬人工智能技術的應用面，讓AI早日揭開神秘面紗，順利落地于實際應用領域。
如今，在私有、公共或混合云中采用人工智能的機會不斷增多，這就需要使數據、人才、將信息轉化為洞察的工具更容易廣泛獲取。人工智能技術大眾化的道路上，需要迅速改變數據存儲孤島、專家數量少、工具復雜等關鍵問題。英特爾相信，更開放的行業環境將助推人工智能發展的各環節形成一個良性循環，它能打破發展瓶頸，最終釋放AI原力。
推動AI民主化，英特爾在行動。
