【工控中國 名氣在線】12月初，全世界的人們都被一位新晉父親刷屏了，他就是Facebook總裁MarkZuckerberg。為慶祝女兒出生，Zuckerberg與妻子承諾將他們持有的Facebook99%股份（約450億美元）捐贈給慈善機(jī)構(gòu)，用意發(fā)展人類潛能和促進(jìn)平等。這則消息引起無數(shù)網(wǎng)友的驚呼和贊同。

今天，黑匣想跟大家一起回顧2015年的Facebook，看看這家世界排名的照片分享站點在這一年里是如何在人工智能領(lǐng)域布局的。

共享：開源深度學(xué)習(xí)工具Torch

Torch是一個從2002年就開始存在的開源庫，它也是一個廣泛支持機(jī)器學(xué)習(xí)算法的科學(xué)計算框架。它可以協(xié)助機(jī)器學(xué)習(xí)技術(shù)開發(fā)工作，包括谷歌、推特和英特爾等公司都在研究中對其廣泛使用。2015年1月，F(xiàn)acebook開源了一些用于在Torch上更快速地訓(xùn)練神經(jīng)網(wǎng)絡(luò)的模塊，這些模塊合稱為fbcunn，它們“比默認(rèn)模塊快得多”。此前，Nvidia發(fā)布了cuDNN，這是一個基于CUDA的庫，用于深度神經(jīng)網(wǎng)絡(luò)。然而，Torch主要面向卷積神經(jīng)網(wǎng)絡(luò)（convolutionalnets），針對GPU做了優(yōu)化，構(gòu)建在Nvidia的cuFFT庫之上。其中包括：

使用FFT加速卷積的空間卷積模塊

用于并行化多GPU上的訓(xùn)練數(shù)據(jù)和模型的容器

FFT/IFFT的包裝器

一個更快速的臨時卷積層（比cuDNN快1.5到10倍）

用于神經(jīng)語言模型和單詞嵌入的查找表

訓(xùn)練所使用的HierarchicalSoftMax模塊使用了大量的分類數(shù)據(jù)

Facebook基于《FastTrainingofConvolutionalNetworksthroughFFTs》這篇論文中的想法構(gòu)建了這些模塊的。據(jù)稱，與cuDNN相比，在卷積核較小的情況下（3x3），fbcunn的速度提升可達(dá)1.84倍；而在卷積核較大的情況下（5x5），速度提升可達(dá)23.5倍。實行速度大大加快，可以幫助科研人員在更短的時間內(nèi)開發(fā)更大規(guī)模的神經(jīng)網(wǎng)絡(luò)。

通過開源Torch，F(xiàn)acebook希望推動整個深度學(xué)習(xí)領(lǐng)域的發(fā)展。

　深度：開發(fā)人工智能系統(tǒng)