全球深度學習領域的金頭腦於9月初在瑞士蘇黎世舉辦的電腦視覺歐洲大會 (European Conference on Computer Vision) 匯集一堂。同時，他們也公布和展示最近舉辦的ImageNet 大型視覺辨識競賽結果。
該競賽有如電腦視覺和機器學習領域的世界杯，讓來自學術界和業界的參賽隊伍互相切磋，解決最困難的深度學習物件辨識任務。
ImageNet 大型覺視辨識競賽的優勝者都是赫赫有名的隊伍，而且有九成均使用 GPU 來設計各種突破性的深度學習應用。現在是時候由其中一些獲勝隊伍分享如何運用他們那些已經不算秘密的設計武器打造驚人的應用。
來自 Adobe 、新加坡國立大學和牛津大學的隊伍將分享 GPU 加速器如何提升他們深度學習演算法的物件辨識準確度，而達到驚人成效，從而協助他們在競賽中締造全新突破。
這只是眾多案例中其中一個 GPU 如何在深度學習領域造成轟動的例子。
採用 GPU 讓深度學習應用激增
GPU 加速功能的出現，讓世界各地的深度學習研究人員和企業都蜂擁而上，並將集中應用於臉部和語音辨識，甚至加強網路搜尋功能到影像自動標籤功能，以及給予個人化產品購買的各項推薦。
Adobe 、百度、 Nuance 、紐約大學、牛津大學、史丹佛大學、加州大學柏克萊分校和 Yandex 都是使用 GPU 加速的先鋒。但使用 GPU 加速的不只是他們，因為 GPU 加速器是訓練深度學習作業的首選。
深度學習是機器學習中一個成長最快的分類，主要透過篩選龐大的資料來訓練電腦自學。例如藉由分析大量狗、雪貂、豺狠、浣熊和其他動物的影像來學習分辨狗的方法。
然而，深度學習演算法也需依賴龐大的運算能力去處理排山倒海的數據資料。這些運算作業都需要好幾千台 CPU 型的伺服器，可是這是很昂貴又不實際的做法。
事實上，同樣的運算需求對 GPU 來說並不難，而且有截然不同的作法。高效能的平行處理器可快速有效地解決各種各樣的視覺運算難題。
採用 GPU 可讓各種深度學習的訓練過程執行得更快並且可以減少伺服器的數量。這可協助使用者快速開發全新的訓練模式並進行最佳化，終而可建立全新的高精準度深度學習應用。
全新的 NVIDIA 軟體讓使用者快速輕鬆加入深度學習加速功能
為了讓深度學習的先驅們更容易精進他們設計的應用， NVIDIA (輝達) 與加州大學柏克萊分校合作讓全球更多使用者可運用 GPU 加速功能的威力。
NVIDIA (輝達) 開發了一個名為 cuDNN 的 CUDA 平行編程函式庫，其穩健強大的效能可協助開發人員用簡易的方法快速發揮 GPU 加速功能的威力。
加州大學柏克萊分校研究人員已將 cuDNN 整合到 Caffe。Caffe 不僅是全球最受歡迎和廣為使用的深度學習開發架構，更是眾多 ImageNet 競賽隊伍都使用的開發平台。
透過 cuDNN 和 GPU 加速功能， Caffe 使用者現在可以重複使用全新的訓練模式快速開發功能強大且更精準的演算法。
欲瞭解更多 cuDNN 與 Caffe 資訊，請瀏覽 cuDNN website 。