Nvidia推出深度学习加速库，用GPU提速神经网络

过去几年，比特币矿机和云游戏让GPU厂商着实风光了一把，近来，随着人工智能革命的兴起和GPU在深度学习计算中的应用，GPU厂商Nvidia（英伟达）再次成为业界热门话题厂商，上周末Nvidia再接再厉，推出了cuDNN 深度学习GPU加速库，主打性能、易用性和低内存开销。

据称cuDNN可以直接集成到目前流行的深度学习框架（例如Caffe、Torch7，和Theano等）中，用户可以快速无缝在系统中整合GPU，例如在Caffe中整合cuDNN对最终用户来说是透明的，用户只需要在设置中打开选项就能获取GPU的强大处理性能。（下图）

大力推动计算机图像处理器GPU在超级计算机、深度学习和机器学习领域的应用是Nvidia公司的业务战略重点。但从长远看，在这些领域GPU也面临一些挑战。其中之一是新涌现的为处理神经网络和深度学习高度定制的机器，例如IBM收购的Nervana，另外一个挑战是目前的处理架构，包括CPU和FPGA，在很多场景中同样可以出色地运行深度学习模型。

此外，云计算与深度学习结合的趋势意味着并非所有的公司和开发者都需要建设自己的深度学习系统，他们可以通过API来调用深度学习服务，因此将来深度学习的市场规模也许并没有媒体渲染得那么巨大。

主流深度学习工具：

• Caffe: 用于脑回神经网络算法的架构
• cuda-convnet: 脑回神经网络的高性能 C++/CUDA 软件实施
• Theano: 用于定义、优化以及评估数学公式的 Python 库
• Torch7: 用于机器学习算法的科学计算架构
• cuBLAS: GPU 加速版本的完整标准 BLAS 库
• MATLAB: 简单易用的 HPC 语言集成计算、可视化以及编程
• cxxnet: 神经网络工具包