Intel、Xeon上での「TensorFlow」使用時向けにDNNモデルコンパイラ「nGraph」の性能を強化：従来比で最大10倍のパフォーマンスを実現

Intelは、「Intel Xeonスケーラブルプロセッサー」上で「TensorFlow」を使用するデータサイエンティスト向けに、フレームワーク非依存のディープニューラルネットワークモデルコンパイラ「nGraph Compiler」のパフォーマンスを高めるブリッジコードを提供開始した。

[＠IT]

　Intelは2018年4月18日（米国時間）、「Intel Xeonスケーラブルプロセッサー」上でディープラーニングフレームワーク「TensorFlow」を使用するデータサイエンティスト向けに、フレームワーク非依存でオープンソースソフトウェア（OSS）のディープニューラルネットワーク（DNN）モデルコンパイラ「nGraph Compiler」のパフォーマンスを高めるブリッジコードを提供開始した。

フレームワーク非依存の「nGraph Compiler」

　このブリッジコードは、TensorFlowベースのプロジェクトを最適化済みのnGraph Compilerのバックエンドにリンクするために使用できる。このブリッジコードを実装することで、従来のTensorFlow統合時と比べて最大10倍のパフォーマンスを実現できるとしている。Intelは2018年3月にnGraph CompilerをOSS化したばかりだ。

　IntelのAI（人工知能）ソフトウェア担当バイスプレジデントのアージュン・バンサル氏は、次のように説明している。

　「AIソリューションのための適切な技術を見つけるのは、企業にとって非常に難しい。われわれはそれをできるだけ簡単にすることを目指している。データサイエンティストはnGraph CompilerでDNNモデルを作成でき、さまざまなフレームワークごとにモデルをどう調整すべきかを考える必要がない」

　さらにIntelは、「nGraph Compilerでは、さまざまなディープラーニングフレームワークを利用でき、さまざまなハードウェアソリューション向けにモデルを最適化できる」と述べている。

　Intelは、AIの理論を実現するために必要な各種の新技術を組み合わせたAIポートフォリオを構築しており、nGraph Compilerもこれに新しく加わった形だ。

　Intelは、nGraph Compilerを使用するメリットをこう強調している。

　「データサイエンティストは、フレームワークやハードウェアを自由に選択できる。また、フレームワークオーナーは、少ない労力で独自機能を追加できる。クラウドサービスプロバイダーも、市場の大きな需要に簡単に対応できる。企業は、フレームワークやバックエンドの違いにかかわらず、一貫した操作性を享受できる。どのような使用シナリオにおいても、パフォーマンスは損なわれない」

　nGraph Compilerは現在、3つのディープラーニングコンピュートデバイスと6つのディープラーニングフレームワーク（TensorFlow、「MXNet」「neon」「PyTorch」「CNTK」「Caffe2」）をサポートしている。