【51CTO.com快譯】英特爾公司于上周發布了BigDL項目，一套用于分布式深度學習的開源Spark驅動型框架。考慮到如今各大IT廠商紛紛公布機器學習框架，CPU巨頭當然也沒有理由落后。

但最值得關注的并非英特爾公司這一項目將幫助人們在Spark集群中構建起怎樣的機器學習方案，而是芯片巨頭就此表達出的與GPU抗爭到底的雄心。

[[182276]]

巨大野心

BigDL主要面向那些希望利用機器學習處理Spark或Hadoop集群中數據的受眾，特別是那些已經開始采用Caffe或者Torch庫的用戶。BigDL的深度學習方案與Torch非常類似。利用BigDL，二者創建的模型皆可面向Spark程序進行導入及運行。另外，Spark還允許此類負載實現跨集群向外擴展。

然而與其它機器學習框架使用GPU加速實現流程推動的思路不同，BigDL采用的是英特爾的數學內核庫(Math Kernel)。其中囊括的數學函數針對多線程執行與英特爾特定處理器擴展進行了優化，且芯片巨頭在其Python發行版等多個項目中對此加以提及。

英特爾公司宣稱，BigDL中的處理流程“相較于立足單節點至強(即相較于主流GPU方案)上的現成開源Caffe、Torch或者TensorFlow擁有幾個數量級的速度優勢。”不過，BigDL庫本身并不具備任何具體的基準測試結果來支持這一說法。

如果GPU加速成為機器學習庫中的標準提速選項，為什么英特爾公司沒有默認加入GPU支持能力?乍一看來，這似乎是因為Spark在傳統角度講并不屬于GPU加速型產品。但這樣的理由其實說不通，因為IBM已經建立起對應項目，且商用Spark供應商Databricks公司已經于去年年底在其服務中添加了對GPU加速型Spark的支持。從理論上講，BigDL完全能夠與GPU加速型Spark進行配合，但英特爾的整體規劃顯然有所不同。

硬件之爭

英特爾公司一直在憑借著其至強Phi處理器產品線在高端計算市場上與GPU廝殺。英特爾方面以GPU的形式對其至強Phi處理器進行封裝——即采用PCIe附加卡的形式——同時納入了OpoenMP與OpenCL等軟件工具以實現其硬件的并發與高速處理效果。(英特爾公司還收購了一家名為Nervana的機器學習硬件廠商，且很可能將其產品以PCIe附加卡的形式推出。)

這一切意味著開發者將擁有更多選擇：在理論上，將現有軟件運行在至強Phi上可實現遠低于將其移植至GPU架構中的代碼修改量。這也意味著運營工作更易于進行，因為由至強Phi附加卡構建的系統可通過簡單進行卡板插入實現升級或者擴展，而不必對整體機架進行更換。

在這方面，BigDL可被視為支持英特爾未來發展規劃的重要概念驗證性應用之一。不過行業的整體勢頭明顯更偏向GPU——雖然大多數用于GPU加速的軟件必須遵循由另一家硬件供應商制定的客觀標準(英偉達與CUDA)。另外，考慮到Spark及其它庫已經開始全面引入GPU加速機制，因此開發者并不需要付出太多精力就能享受到由此帶來的收益。

英特爾公司雖然能夠利用BigDL這類庫獲得一定競爭優勢，但從長遠角度來看，機器學習的歷史車輪仍在朝著以GPU支持為主的方向滾動。

原文標題：Intel's BigDL deep learning framework snubs GPUs for CPUs，原文作者：Serdar Yegulalp

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】