原副标题：【蔬果】广度自学五大硬体+五大自学库排序方法试验对照，分项全面性呈现出
1 新智元校对1
翻译者：闻菲、胡祥杰
进场】
❶ 业内领导者追述60年AI历史，全球谈话人工智慧未来考验，权威性正式发布2016世界人工智慧全明星及我国人工智慧产业发展发展报告；❷ 国际大咖“音频”远距与会， Bengio 和李Bazelle倾情恭贺我国人工智慧；❸ 揭秘讯飞苍及宏碁方舟生物医学，最强大CTO与六大研究所主任较量；❹ 滴滴CTO与腾讯执行官CTO坐阵智能驾驶高峰论坛，新智元五大Chalancon班底破天荒；❺ 我国“水柏枝”与”X-Dog”震撼人心现身，观音寺电脑僧“贤二”卖萌。
【新智元编者按】广度自学排序该买那款GPU，优先选择别的网络平台？这篇文章为你提供对照手册。
买回用作运转广度自学演算法的硬体时，他们经常找不出任何管用的排序方法，惟一的优先选择是买两个GPU然后用它来试验。现在市售操控性最合适的GPU几乎都源自英伟达，但其中也有很多优先选择：是买两个Chavanges的TITAN X Pascal还是昂贵些的TITAN X Maxwell，又或者GTX 1080？责任编辑中他们对几个最常用的英伟达GPU和最常用的一些广度自学演算法进行了排序方法试验。应用软件方面，他们较为了最近正式发布的五个开放源码广度自学库：Tensorflow v0.10.0、Neon v1.6.0、Caffe rc3和caffe的英伟达版NVcaffe v0.15.10。
GPU排序方法试验：GeForce GTX 1080 vs Titan X(Maxwell) vs Titan X (Pascal)
他们较为了GeForce GTX 1080、Titan X Maxwell和Titan X Pascal三款GPU，使用的广度自学库是Neon、Tensorflow和Caffe，广度自学网络是AlexNet、GoogleNet、OverFeat和VGG-A。
所有排序方法试验都使用64位系统，每个结果是100次迭代排序的平均时间。
基于库的试验结果
训练排序方法试验
使用四种库（Tensorflow，NVcaffe，Caffe，Neon）进行一次前向迭代和反向迭代的总时间[ms]（越少越好）。结果如下：
推论排序方法试验
使用四种库（Tensorflow，NVcaffe，Caffe，Neon）进行一次前向迭代的总时间[ms]（越少越好）。结果如下：
基于神经网络的试验结果
训练排序方法试验
使用四种神经网络（VGG-A, OverFeat,AlexNet, GoogLeNet）进行一次前向迭代和反向迭代的总时间（越少越好）。结果如下：
推论排序方法试验
使用四种神经网络（VGG-A, OverFeat,AlexNet, GoogLeNet）进行一次前向迭代的总时间（越少越好）。结果如下：
配置
排序方法试验工具
在Neon上进行排序方法试验使用的是neon库中的脚本neon/tests/run_benchmarks.py，在Tensorflow上使用的是convnet-benchmarks和不加修改的脚本convnet-benchmarks/tensorflow/benchmark_alexnet.py, convnet-benchmarks/tensorflow/benchmark_googlnet.py, convnet-benchmarks/tensorflow/benchmark_overfeat.py 和 convnet-benchmarks/tensorflow/benchmark_vgg.py。Caffe使用的也是convnet-benchmarks，但对脚本convnet-benchmarks/caffe/run_imagenet.sh作了修改以指向他们的caffe安装。
广度自学库排序方法试验：Caffe vs Neon vsNVcaffe vs Tensorflow
同样，所有排序方法试验都使用64位系统，每个结果是100次迭代排序的平均时间。
基于GPU的试验结果
训练排序方法试验
使用四种GPU（Titan X Pascal, Titan X Maxwell, GeForce GTX 1080）进行一次前向迭代和反向迭代的总时间（越少越好）。结果如下：
推论排序方法试验
使用四种GPU（Titan X Pascal, Titan X Maxwell, GeForce GTX 1080）进行一次前向迭代的总时间（越少越好）。结果如下：
基于神经网络的试验结果
训练排序方法试验
使用四种神经网络（VGG-A, OverFeat,AlexNet, GoogLeNet）进行一次前向迭代和反向迭代的总时间（越少越好）。结果如下：
推论排序方法测试
使用四种神经网络（VGG-A, OverFeat, AlexNet,GoogLeNet）进行一次前向迭代的总时间（越少越好）。结果如下：
配置
排序方法试验工具
在Neon上进行排序方法试验使用的是neon库中的脚本neon/tests/run_benchmarks.py，在Tensorflow上使用的是convnet-benchmarks和不加修改的脚本convnet-benchmarks/tensorflow/benchmark_alexnet.py, convnet-benchmarks/tensorflow/benchmark_googlnet.py, convnet-benchmarks/tensorflow/benchmark_overfeat.py 和 convnet-benchmarks/tensorflow/benchmark_vgg.py。Caffe使用的也是convnet-benchmarks，但对脚本convnet-benchmarks/caffe/run_imagenet.sh作了修改以指向他们的caffe安装。
豪华嘉宾班底，共飨 AI 盛宴
7 大主任齐聚新智元智库主任Chalancon高峰论坛
2016世界人工智慧大会技术高峰论坛特设“新智元智库主任Chalancon会议”，重量级研究所主任8仙过海，带来最前沿的AI研究动态、剖析技术发展趋势。
八位人工智慧界“高手”现场过招，思想的激烈碰撞会给目前的人工智能发展带来哪些洞见？八位主任对行业的发展会有哪些前瞻揭秘？10月18日下午，2016 世界人工智慧大会技术高峰论坛，答案将逐层揭晓。
新智元智库主任Chalancon汇集了我国人工智慧产学研三界最豪华主任班底：美团技术学院主任刘江担任主持人，微软亚洲工程院主任刘震、IBM我国研究所副主任邵凌、360人工智慧研究所主任颜水成、北京理工大学排序机学院副主任黄华、Intel 我国研究所主任宋继强、新华网融媒体未来研究所主任杨溟倾情出席。
2016世界人工智慧大会技术高峰论坛议程
购票链接：http://www.huodongxing.com/go/aiworld2016
票务联系 132·4023·6748
