Intel刚刚收购的Vertex.AI，到底有什么黑科技？

点击我爱计算机视觉标星，更快获取CVML新技术

---

一个新技术时代的来临，巨头往往是睡不着觉的，他们焦虑的表现，就是“买买买”。

前天，有外媒报道英特尔收购了一家深度学习平台公司Vertex.AI，纳入其Artificial Intelligence Products Group (AIPG)部门。

Nervana、Mobileye、Altera 、Movidius这些被英特尔收购的大名鼎鼎的公司现在都属于该部门。

52CV君当然无意于分析该桩收购对英特尔的业务带来什么价值，只想知道Vertex.AI到底有什么黑科技？

Vertex.AI成立于2015年，公司的产品只有一个：PlaidML，而且看不出这个有什么“钱景”，谁都可以免费用它，因为它是开源的！

PlaidML到底是什么？

PlaidML是一个深度学习平台，它的目标是使深度学习无处不在。

它到底有多厉害，看看官方怎么说（chui）。

（以下内容引自PlaidML 工程的README.md,谷歌原文翻译，除了部分字体加粗，未经任何修改）

“PlaidML是在任何设备上学习和部署深度学习的最简单、最快速的方法，尤其是那些运行macOS或Windows的设备：

最快：PlaidML通常比流行平台（如TensorFlow CPU）快10倍（或更多），因为它支持所有GPU，独立于品牌和型号。

PlaidML加速了对AMD，Intel，NVIDIA，ARM和嵌入式GPU的深度学习。

最简单：PlaidML安装简单，支持多个前端（目前Keras和ONNX）

免费：PlaidML是完全开源的，不依赖于具有专有和限制性许可的任何供应商库。”

Word天！这速度，是不是吹的太过了。。。。除了支持Nvidia还支持AMD、Intel、ARM的GPU，都能做的很好吗？还不使用任何第三方库，连cuDNN也不用。

不过我相信，掏钱的英特尔当然不会是傻子。

仔细看了下PlaidML到底做什么，原来它就是在部署模型时帮你自动生成并优化各种GPU的Kernel代码。

Vertex.AI的官网上给出了一些对比的例子。

5月19日他们给出了一个张量计算编译优化的例子，对比（shanghai）的对象是Tensor Comprehensions和TVM。

原文在这里：

http://vertex.ai/blog/compiler-comparison

直接上图：

PlaidML无可争议赢得所有单项和整体的冠军，目测在某些运算的确有10倍+的加速！

对比单项技能当然不够，跑整体网络才有说服力。

他们又把PlaidML和TVM使用几个知名网络在NVIDIA和AMD显卡上都进行了测试，编译目标是OpenCL。

0代表不支持。

虽然没有10倍，但也有3到7倍的速度差距！

（为什么没能达到第一个对比实验中这么猛的结果，52CV君认为因为跑整体网络涉及到内存计算、数据传输等各种开销，而PlaidML优化的重点是GPU端的计算，内存和传输可能成为了瓶颈，这其实也是大部分CV程序拖后腿最严重的部分）

最后竟然又在Nvidia家的显卡上跟cuDNN比了下：

在mobilenet网络上加速异常明显，几乎达到2倍的加速比，resnet50和xception次之，也有1.3～1.5倍左右，在inception_v3上略有加速，在imdb_lstm上随着batch size不同互有胜负，在vgg16上不敌cuDNN（同上，猜测可能是模型太大，内存、传输成为瓶颈）。

最后这一次比较，没有取得全胜的战绩，不过也是难能可贵了！毕竟Nvidia+CuDNN是同一家公司的软硬件一体化解决方案！

而且对于移动端部署大家最关心的mobilenet取得了两倍的加速，这真是喜出望外了！

重点来啦！

PlaidML开源主页：

https://github.com/plaidml/plaidml

你的AMD、Intel包括ARM的显卡现在都能用来加速深度学习算法的部署了，赶紧把上面的灰擦掉～

关注计算机视觉技术，欢迎加入52CV群，扫码添加52CV君拉你入群（请务必注明:加群）：

喜欢在QQ交流的童鞋，可以加52CV官方QQ群：928997753。

（不会时时在线，如果没能及时通过验证还请见谅）

---

我爱，所以我们只关注计算机视觉

【点赞与转发】就是最好的鼓励