近期，来自富士通（Fujitsu）的研究员们宣布他们打破了ImageNet的训练速度记录——在74.7秒内达到75%的准确率。这比去年11月由索尼（Sony）创下的前纪录快了47秒。

团队取得这样的纪录，得益于日本东京大学（University of Tokyo）的 AI Bridging Cloud Infrastructure（ABCI）系统上的2,048块NVIDIA Tesla V100 GPU，以及MXNet深度学习架构。

ABCI系统是日本最快的超级计算机，在世界超级计算机榜单中也名列前10。该系统由超过4,300块NVLink互联的NVIDIA V100 GPU提供算力。Sony此前保持的纪录也是借助此系统实现的。

富士通（Fujitsu）在一篇文章中介绍：“基于此技术，富士通实验室（Fujitsu Laboratories）深耕HPC发展，公司现已开发出了新的技术，能够在保证训练准确率的同时拓展每块GPU的计算量。”

为了对使用大批量mini-batch训练深度神经网络（DNN）时发生的验证准确性进行补偿，团队“使用了相关技术，在不影响准确率的同时，增大了小批量的体量。”

研究人员介绍说：“众所周知，具有数据并行性的分布式深度学习是加速集群训练的有效方法。通过这种方法，在集群上运行的所有步骤都具有相同的DNN模型和权重。”

研究人员们同时也借助了Tensor核心的混合精度。

该DNN架构经过优化，基于ImageNet在74.7秒的时间内完成 ResNet-50训练，而且验证准确率高达75.08%。

团队还能够使用高达81,920个的大批量mini-batch，同时保持75.08%的准确率（如上表中第3个数据点所示）。

为实现这一里程碑式的成果，大量的NVIDIA技术被应用其中，其中就包括层级对应的适应率缩放（Layer-wise Adaptive Rate Scaling）。

该项工作目前已在ArXiv 和富士通博客上发表。