IBM Research宣布深度学习演算法出现新的突破，IBM新的分布式深度学习(DDL)软件让每个添加的处理器之间实现线性加速比(linear speedup)，该开发旨在为添加到IBM DDL演算法的每个服务器实现类似的加速效能。

据EETimes报导，IBM加速认知基础设施部门主管Hillman Hunter认为，研究目标是将深度学习培训的等待时间从几天或几小时，缩短到几分钟或几秒钟。

Hunter发文描述这项开发成果，是最受欢迎的深度学习框架扩展到服务器中的多个GPU，而不是使用GPU的多个服务器。Hunter进一步指出，IBM团队编写的软件，可自动化和优化跨数百个GPU加速器上，十几个服务器所需要的庞大而复杂的并行运算任务。

IBM声称使用开源码Caffe深度学习框架，将最多256个NVIDIA Tesla P100 GPU添加到单个服务器上，缩放效能为95%，可应用在图像识别学习，以及类似的学习任务。IBM在50分钟的培训时间内实现几乎线性的缩放效率。Facebook之前在同一资料库上花60分钟的培训时间，效能为89%。

在ImageNet-22k资料库上的7个小时的培训中，IBM同样声称对750万幅影像的验证精确度为33.8%，而微软(Microsoft)之前针对同一资料库花10天培训，准确率为29.8%。IBM的处理器是PowerAI平台，具备64节点Power8集群，加上256个NVIDIA GPU，提供超过2 petaFLOPS。

IBM正在向所有PowerAI平台用户免费提供DDL套件，还为第三方开发人员提供各种应用程式介面(API)，让开发人员选择与应用程式(App)最相关的基本演算法。