2018. July 03.
Napjaink gépi úttörö ágazata a gépi tnaulás, azon belül is a Deep Learning. A neurális hálózatok használatának új lendületet adott a konvolúciós neurális hálózatok megjelenése, mellyel több réteg mély hálózatot lehet hatékonyan létrehozni. A DeepLearning hatákony, valós idejű osztályozást, szegmentációt és detekciót tesz lehetővé, akár ezeket egy lépésben is végrehajthatja. A tanítási folyamat azonban igen erőforrás igényes, de jól párhuzamosítható feladat. Éppen ezért eltejedt a grafikus processzorok használata ilyen feladatokra, sőt napjainkban már külön cél hardware-ket használnak.
A Deep Learning sikerességének egyik záloga a megfelelő mennyiségű és pontosságú tanulóadat. A tanítás során az elérhető memória és számítási kapacitás jelentősen befolyásolja a sikeres tanításhoz szükséges időt. Éppen ezért a szuperszámítógépek vagy felhő alapú megoldások mellett egy jó alternatíva, ha több számítógép erőforrásait egybe vonva hajtjuk végre a tanítást, úgynevezett számítási clustert hozunk létre.
A tanszéki számítógép labor 38 számítógépe minegyike rendelkezik dedikált grafikus processzorral, mely jó lehetőséget biztosít egy számítógép cluster létrehozására, melyhez a kutatásfejlesztési és tudományos világban elterjedt MATLAB matematikai és mérnöki program megfelelő eszközkészletet nyújt.
A számítási cluster erőforrásai jól használhatóak Deep learning tanításra. A TDK téma keretében ezernyi szakmai téma feldolgozására van lehetőség:
- Folyami hordalék osztályozása és vándorlásának követése digitális képek vagy video alapján
- Önvezető autók szenzoradatainak feldolgozása és a jármű vezetése
- Orvosi képalkotás (röntgen, CT, MR) eredményeinek automatikus kiértékelése és a diagnózis megállapítása
- Okos eszközök és okos otthon szenzoradatainak feldolgozása és hozzá kapcsolódó alkalamzások fejlesztése
