Facebook 开源在 Torch 上进行更快速机器学习的模块

Facebook 开源了一些用于在 Torch（一个广泛支持机器学习算法的科学计算框架）上更快速地训练神经网络的模块。

不久之前， Nvidia 发布了 cuDNN ，这是一个基于 CUDA 的库，用于深度神经网络。 Facebook 人工智能实验室（FAIR）近日发布了一些 Torch 上的模块，供公开使用。这些模块合称为 fbcunn ，而且“比默认模块快得多”。它们主要面向卷积神经网络（convolutional nets），针对 GPU 做了优化，构建在 Nvidia 的 cuFFT 库之上。其中包括：

• 使用 FFT 加速卷积的空间卷积模块
• 用于并行化多 GPU 上的训练数据和模型的容器
• FFT/IFFT 的包装器
• 一个更快速的临时卷积层（比 cuDNN 快 1.5 到 10 倍）
• 用于神经语言模型和单词嵌入（word embedding）的查找表

Facebook 基于 Fast Training of Convolutional Networks through FFTs 这篇论文中的想法构建了这些模块，FAIR 的主任 Yann LeCun 是论文的合著者之一。根据发布说明，与cuDNN 相比，在卷积核较小的情况下（3x3），fbcunn 的速度提升可达1.84 倍；而在卷积核较大的情况下（5x5），速度提升可达23.5 倍。

Torch 和 fbcunn 最早的用途之一就是更快速的图像识别，一个例子就是分类来自ImageNet 的120 万幅图片。

查看英文原文： Facebook Open Sources Modules for Faster Deep Learning on Torch