基于 GPU 的功能， Facebook AI Research 的一個團隊開發了一種更快、更有效的 AI 運行相似性搜索的方法。這個 study ，發表于 IEEE 大數據交易 ，創建了一種深度學習算法，能夠處理和比較來自媒體的高維數據，速度明顯更快，同時與以前的技術一樣精確。

在一個數據供應量不斷增長的世界中，這項工作有望減輕處理大型庫所需的計算能力和時間。

“搜索和索引［高維數據］最直接的技術是蠻力比較，你需要對照數據庫中的其他圖像檢查［每個圖像］。這對于包含數十億載體的集合來說是不切實際的，”研究科萊德和 Facebook 的研究工程師杰夫·約翰遜在一份新聞稿中說。

包含數百萬像素和數據點的每幅圖像和視頻都會產生數十億個矢量。這些大量的數據對于分析、檢測、索引和比較向量非常有價值。計算大型庫與依賴于多個超級計算機組件的傳統 CPU 算法的相似性也存在問題，從而降低了總體計算時間。

研究人員只使用了四個 GPU 和 CUDA ，設計了一個 多 GPU 到宿主和***的算法分析庫圖像數據點。該方法還壓縮數據，使其更容易，從而更快地進行分析。

新算法在 35 分鐘內處理了 9500 多萬張高維圖像。 10 億個向量的圖形計算起來不到 12 小時。根據該研究中的一項比較測試，使用 128 臺 CPU 服務器集群處理同一數據庫需要 108 。 7 小時，約長 8 。 5 倍。

約翰遜說：“通過將計算完全放在 GPU 上，我們可以利用加速器上更快的內存，而不是處理 CPU 服務器上較慢的內存，甚至傳統超級計算機集群中較慢的機器對機器網絡互連。”。

研究人員表示，這些方法已經應用于各種各樣的任務，包括翻譯的語言處理搜索。被稱為 Facebook AI 相似性搜索庫的方法是 開源 用于實現、測試和比較。

關于作者

Michelle Horton 是 NVIDIA 的高級開發人員通信經理，擁有通信經理和科學作家的背景。她在 NVIDIA 為開發者博客撰文，重點介紹了開發者使用 NVIDIA 技術的多種方式。

審核編輯：郭婷