舰载云图像识别性能研究

宋达，郭海波，朱进，李宁，肖迪，张思航

(中国舰船研究院，北京 100101)

0 引言

在过去的十几年间，得益于基础硬件计算能力的大幅提升与算法研究的逐步深入，基于深度学习的智能应用在各个领域如计算机视觉、语音识别、自然语言处理等得到了广泛的应用。在军事领域，如水下、水面目标识别、舰船智能运维、态势感知等场景也逐渐开始向智能化发展。由于需要进行广泛的样本学习并获取隐藏特征进行权重更新，深度学习任务大多依赖于强大的算力支持，在不同的硬件支撑平台上实现同样的深度学习任务往往会由于平台算力的差异而导致最终模型的性能有所不同。舰艇云平台资源有限、应用众多，如何优化资源配置而达到最佳效果是应用领域需要衡量的关键课题。业界对于深度学习算法性能的评估，在一定程度上也影响着深度学习的应用与技术发展。目前通用并公认的机器学习（深度学习）基准主要是MLPerf[1]。MLPerf 是一套用于测量和提高机器学习软硬件性能的通用标准，主要用来测量训练和推理不同神经网络所需要的时间。在国内，中国电子技术标准化研究院也制定了《人工智能 深度学习算法评估规范》[2]，包含7 个一级指标和20 个二级指标，可在实施评估过程中，根据可靠性目标选取相应指标。本文基于舰载云平台研究在不同的虚拟机配置中，Resnet 模型执行目标识别任务时，每一次迭代更新所花的时间，分析国产化平台与商用平台舰载云中的目标识别应用性能。……