【IT168 评论】在未来的某一天，当你突然想知道这个世界上有多少人跟你长的相似的时候，你可以在搜索框中上传一张自己的照片，剩下的一切都可以交给智能化的图片搜索引擎来完成，它能根据图片的内容特征自动识别相似的图片。这种“以图搜图”的情景说起来容易，但实现起来，却是一个困扰了谷歌、百度等各大搜索引擎巨头们许久的技术难题。

　　要知道，计算机本身并不能识别图像或文字，唯有将其转化为数字，计算机才能识别和处理。传统的图像检索技术是以文本检索技术为核心构建的，互联网上的图片被人为的打上各种各样的标签，如一张海上日出的风景照片，可能的标签包括“海洋、日出、风景”等等，一旦有用户在搜索框中输入这些关键词后，搜索引擎会在数据库中自动查找相对应的标签。

　　然而，随着技术的进步，以人工智能为核心的内容图像检索技术已经成为未来发展的趋势。目前，谷歌通过提供数百万份 YouTube 视频，成功的让虚拟神经网络系统--DistBelief在事先没有获取“猫的特征描述”信息的情况下，自行总结出猫这个概念的特征。也就是说，DistBelief具有自学习能力。而在这套人工智能系统后面，是一个由 1000 台机器组成、包括 16000 个内核、处理参数高达 10亿个的超级计算机系统。

　　让机器像人一样理解图像内容，强大的硬件固然必不可少，可最核心的依然是智能算法的设计，目前基于聚类的方法是图像搜索领域的关键方法之一，其中k-means算法是应用最广泛的无监督聚类方法，海量数据的索引大部分都使用了分层聚类的思想。但是k-means算法效率相对比较低，原来CPU版本的方法在使用50到60个节点的条件下处理约100万张图片，需要耗时5个多小时。这种速度对于动辄上亿数据的互联网公司来说，完全无法接受的，因此必须要对k-means进行优化。

　　针对k-means目前的特点，浪潮日前与国内某知名搜索公司实现合作，成功实现了对k-means算法的优化。在项目过程中，浪潮高性能计算并行团队在分析代码后，提出GPU集群的解决方案，并提出了从硬件（计算节点、网络互联、存储节点）到软件（优化软件）的一揽子解决方案。特别在软件方面，浪潮与客户算法专家团队共同成立专门联合项目组，基于K-means串行版本，完成GPU MPI集群版本的实现，节点内使用CPU+GPU协同计算，大幅降低了计算时间。

　　双方联合针对GPU架构进行了算法层面的优化，重写了计算部分代码，将整体速度大幅提升。经过优化后的软件，在单GPU上运行的速度与串行程序相比，加速比达到41倍，1块GPU相当于4.4个8核CPU并行的性能，同时由于浪潮 GPU版本K-means具有很好的性能可扩展性，这使得GPU服务器具有很好的性价比非常适合于此类应用大规模部署。

　　某搜索引擎技术部的负责人在上线了浪潮优化后的搜索程序表示：“浪潮优化以后，大幅降低了我们硬件采购的成本，并且节省了计算时间，为我们的应用上线带来了很大助益。”

　　浪潮作为中国异构高性能计算技术的领先者，一直致力于推动GPU和MIC的应用发展和人才培养，推动异构技术的产业生态环境建设。据了解，浪潮已经分别与英特尔和英伟达联合成立并行计算实验室，合作开发优化基于MIC和GPU的并行应用，涉及石油天然气、数值气象预报、生命科学、计算流体力学、金融风险分析、电磁仿真、CAE、机器学习等诸多领域。同时，浪潮高性能计算应用软件开发团队是目前同时掌握CPU、GPU、MIC应用技术的国际领先团队，在CPU、GPU、MIC技术方面已取得多项研究成果，并成功在SC和IDF大会上成功展示。