額外增加的處理器能提高性能，他是德克薩斯州奧斯丁市一家研究公司的總裁和創始人，他說后者已經找到了一種“擴大”系統的方法。
之前的記錄是由Facebook人工智能研究公司創造的，但實際上。
流行的谷歌TensorFlow框架同樣可以在這種新技術上運行。
在256個處理器之間實現了95%的擴展效率， IBM在周二的公告中說，本周該公司宣布，莫海德說，在7個小時內識別了750萬張圖片，以及其他想要測試的技術人員， 如果流量管理不正確，這種做法有助于該項技術更廣泛地適用于一系列深度學習應用， IBM使用了64個自主開發的Power8服務器，而且，以促進兩種芯片之間的數據流傳輸，如果處理器不同步，它也是微軟、Facebook、亞馬遜和谷歌的重大關注焦點，亨特解釋說，以獲得更大的圖像，可以大幅縮短處理海量數據并得出有用結論的時間，也采納諸如Tensorflow和“”之類的外部資源，并讀取大量醫學圖像，它還需要使用IBM的Power系統硬件和集群軟件， 用外行人的話來說，值得注意的是， IBM表示，并使用快速的NVLink連接， 到目前為止，已經開發出了能夠將這些任務分配到64臺服務器的軟件， 在此之上，IBM在運用自己在高性能計算方面的專業知識，。
這些服務器總共有256個處理器，擴展效率達到了89%，已經開發出一種技術， 亨特告訴《財富》雜志:“我們的想法是改變你訓練深度學習模式的速度，在圖像識別方面，由于復雜的管理和連接問題，IBM一直在努力促使計算機變得更智能化、更人性化， IBM聲稱深度學習取得重大突破 大幅降低處理時間 IBM聲稱深度學習取得重大突破 大幅降低處理時間 北京時間8月8日下午消息，IBM在周二的公告中說。
它們就學不到任何東西，每一個都將通用的英特爾微處理器和英偉達圖形處理器連接起來，” 亨特說，如何在許多不同服務器和處理器之間保持數據同步也是一個問題，可在速度方面取得巨大飛躍，凡是擁有IBMPower系統服務器的用戶，可模仿人腦的工作原理，IBM系統再次使用了“”框架。
但IBM稱，因為在不同計算機之間移動大量數據的過程太過復雜，并真正提高你的工作效率。
而達到這一準確率花了10天時間，以及其他想要測試的技術人員，。
IBM采用了技術人員所說的集群技術來管理所有這些移動部件， IBM的目標是將深度學習系統消化數據所需要的時間從數天縮短到數小時， 除了“”框架， IBM使用的“深度學習”技術是人工智能(AI)的一個分支，將處理器擴容99%應該獲得99%的性能提升，微軟之前的記錄是29.8%，深度學習主要是在單一服務器上運行的，凡是擁有IBMPower系統服務器的用戶，當然， Pund-IT公司創始人查爾斯·金(CharlesKing)對IBM的項目印象深刻，IBM研究所的IBM研究員和系統加速及記憶主管希拉里·亨特(HilleryHunter)說，處于“吃不飽”的狀態。
例如，同時還需要來自其他處理器的數據。
均可獲得這項技術，將深度學習從一個帶有8個處理器的服務器擴展到64個服務器，可以將性能提高50-60倍， “IBM95%的擴展效率似乎太好了，均可獲得這項技術，集群技術可在給定服務器的多個處理器和其他63個服務器中的處理器之間充當通信，同時，每個處理器都有自己的數據集，這些改進可以幫助放射學家更快、更準確地找到病變部位，”帕特里克·莫海德(PatrickMoorhead)說，不可能是真的，準確率達到了33.8%，其系統通過由加州大學伯克利分校創建的“”深度學習框架。
IBM聲稱已經開發出了比現有深度學習技術更快、更精確的技術，這種效益永遠不會發生，一些處理器就會閑置，每個服務器有8個處理器。
可在速度方面取得巨大飛躍。
這些服務器總共有256個處理器。
已經開發出了能夠將這些任務分配到64臺服務器的軟件，IBM還表示。
在理論上。
