[[212269]]

IBM 與 EPFL 的研究人員合作，創造了一種用于處理大型數據集以訓練機器學習算法的新方法。這種被稱為 Duality-gap based Heterogeneous Learning（DuHL）的新算法能夠每 60 秒推送 30GB 的數據，比以前的方法提高了 10 倍。

通常，需要 TB 的內存才能模擬某些機器學習模型。所需的硬件相當昂貴，甚至一旦建立操作，計算能力仍然是研究人員的一個問題。運行一個測試幾天甚至幾個星期，使得研究人員難以按小時租用硬件進行機器學習。

利用 GPU 進行并行計算已經有好多年了，但目前的顯卡還沒有達到 IBM 研究所需的太字節內存需求。目前針對 GPU，有不同節點分割計算需求的方法，但不是所有的任務都適合分配。對此，IBM 現在允許其機器學習工具隨著算法的進展而改變對單個數據片段的調用。簡而言之，過去的成就將貫穿整個驗證階段，以便為系統提供反饋，使系統比以前更快地指向正確的方向。

在初步測試期間，IBM 使用了配有 8GB GDDR5 內存的 NVIDIA Quadro M4000 顯卡。在這種價格適中的專業圖形卡上 IBM 證明，與標準的順序操作方法相比，使用 DuHL 系統可以將支持向量機訓練速度提高 10 倍以上。