深度学习背后的高性能“大脑” 浪潮助哈工大打造语音分析“阿法狗”

本篇文章1825字，读完约5分钟

线索:音频分析，如自动语音识别和语音感知，是深度学习技术最具潜力的领域之一，对其后端系统的性能有极高的要求。针对多媒体音频信息处理在哈尔滨工业大学深度学习项目中的应用，Inspur为其定制了高性能的计算解决方案，解决了音频分析过程中遇到的噪声干扰信号等问题，提高了分析的准确性，使音频分析朝着与人脑相当的目标迈进。

哈尔滨工业大学

音频分析，高性能是关键

语言信息主要包含在语音信号的参数中，因此准确快速地提取语音信号的参数是关键。在当前的音频分析领域中，连续语音的分割、大词语音的识别以及任何人的语音识别都是难点，行业中没有有效的解决方案。哈尔滨工业大学语音实验室(以下简称哈尔滨工业大学)希望通过深度学习技术的应用来逐一解决这些问题。

经过多次测试，哈尔滨工业大学语音实验室在后端系统建设中，决定采用高性能的gpu计算节点计算集群解决方案，并利用gpu加速卡强大的计算性能，有效提升其现有的计算能力。然而，在建设高性能集群的过程中，哈尔滨工业大学遇到了许多挑战。

首先也是最重要的是如何满足高性能音频分析的要求。为了实现像人脑一样精确的音频分析，需要构建深度神经网络，并将深度卷积神经网络(deep cnn)等技术应用到语音识别的声学建模中，模拟人脑神经元和突触的信息和数据的传输和计算，这需要极其惊人的计算能力。音频分析系统的性能越高，就越接近人脑识别的准确度和速度。

同时，作为一个重点项目，哈尔滨工业大学语音实验室的音频分析项目涉及大量重要的研究数据并运行关键应用程序。哈尔滨工业大学语音实验室需要确保音频分析能够长时间安全稳定地运行，以最大限度地提高分析效率，避免宝贵分析结果的损失。同时，哈尔滨工业大学语音实验室也希望能够准确地监控高性能集群的每个节点，以降低出现意外情况的概率。

57万亿次的峰值性能波使音频分析更加准确

为了构建一个高性能、高安全性、高稳定性的高性能集群，哈尔滨工业大学语音实验室与Inspur合作，在一个开放的技术框架下，将计算能力与实际应用相结合，推动音频分析的应用价值。在高性能集群的实际构建过程中，Inspur定制解决方案采用了六款Inspur Elevent Superform computing产品nf5568m4 Inspur skvm视频交换系统，并配以功能强大的gpu加速卡，以满足音频分析对高性能的需求。

峰值运算次数为57万亿次:Inspur nf5568m4配合gpu加速计算技术，cpu主要负责逻辑选择、跳转判断和io通信，而gpu则致力于计算密集型和高度并行的计算工作，使得计算资源得到合理分配，计算能力得到充分释放，计算性能从几倍提高到几十倍。Inspur采用先进的56gb ib高速网络技术，确保集群中所有节点无阻塞全速运行，能够完全满足高速互联的需求。在哈尔滨工业大学语音实验室高性能集群建设中，整个集群的双精度浮点运算峰值可达57万亿次以上，为实验室的音频分析应用提供了高性能支持。

安全稳定的集群管理:在方案设计时，Inspur考虑了集群中节点的监控问题，特别配置了远程视频交换系统，并采用了特殊的skvm网络，可以准确监控集群中每个节点的信息，相当于为每个节点安装了一个小型监控器，保证了集群的安全运行。此外，Inspur还提供智能集群管理软件集群引擎，该引擎管理运行在计算平台上的数十个软件，并通过定制开发和适应用户应用程序，构建一个易用、高效、稳定的超级计算平台。

浪潮集群引擎集群管理软件

领先的应用调优服务:Inspur在高性能计算领域拥有深厚的积累，并拥有专业的高性能应用研究和分析团队。目前，Inspur已在10多个行业积累了300多个软件应用功能，建立了60多个典型应用基准示例库，可提供定制解决方案和专业应用调优服务。这些深刻的经验帮助哈尔滨工业大学语音实验室提供领先的调谐服务，并确保音频应用的高效运行。

Inspur应用程序调整

哈尔滨工业大学语音实验室负责人表示:语音处理的研究已经走过了近50年的历程，取得了许多成果，但是如何利用深度学习技术来提高语音分析能力仍然是一个全新的问题。Inspur高效的高性能计算系统为以前复杂的计算问题带来了巨大的帮助，让研究人员可以专注于音频分析技术的研究，而无需花费更多精力优化高性能集群。此外，Inspur还提供了360售后服务，解决了系统的后顾之忧，也帮助我们将音频分析的应用研究保持在国内高校的领先水平。