常用的生物識(shí)別方法包括人臉識(shí)別、指紋識(shí)別、虹膜識(shí)別、步態(tài)識(shí)別等。其中，步態(tài)識(shí)別技術(shù)可以通過(guò)人的身體體型和行走姿態(tài)來(lái)辨識(shí)身份，它是目前遠(yuǎn)距離復(fù)雜場(chǎng)景下幾乎唯一可用于身份識(shí)別的生物特征識(shí)別技術(shù)。銀河水滴科技公司（以下簡(jiǎn)稱為“銀河水滴”）源自于中科院自動(dòng)化所，是步態(tài)識(shí)別技術(shù)和產(chǎn)業(yè)的引領(lǐng)者。

步態(tài)識(shí)別面臨著極具挑戰(zhàn)的復(fù)雜環(huán)境——遠(yuǎn)距離、跨視角、跨著裝、低照度、全天候，是極具挑戰(zhàn)、但又極其重要的科技難題，是公認(rèn)的當(dāng)前視頻大數(shù)據(jù)解析與應(yīng)用的核心技術(shù)之一。由于其數(shù)據(jù)環(huán)境復(fù)雜，因而所需要處理的數(shù)據(jù)種類繁多。

為了在步態(tài)識(shí)別過(guò)程中通過(guò)深度學(xué)習(xí)方法處理視角、著裝、攜帶物等多種行人特征的同時(shí)，保持所生成步態(tài)序列的不變性，銀河水滴所需處理的數(shù)據(jù)量十分龐大，因而 AI 模型的訓(xùn)練數(shù)據(jù)吞吐量大、整體訓(xùn)練速度偏慢，亟需尋找更強(qiáng)大的 GPU 解決方案以更高效地從步態(tài)序列中提取更具魯棒性的特征。

在步態(tài)識(shí)別 AI 模型訓(xùn)練中，需要通過(guò) GPU 對(duì)大量數(shù)據(jù)進(jìn)行傳輸與計(jì)算，NVIDIA DGX-1 所具有的高帶寬可以大幅加速數(shù)據(jù)搬運(yùn)的過(guò)程。DGX-1 是?款深度學(xué)習(xí)系統(tǒng)，專為實(shí)現(xiàn)高吞吐量和高互聯(lián)帶寬而構(gòu)建，可極大提升神經(jīng)網(wǎng)絡(luò)訓(xùn)練性能。其系統(tǒng)核心組件是 8 個(gè) NVIDIA V100 GPU，通過(guò)混合立體 NVLink 網(wǎng)絡(luò)拓?fù)浠ヂ?lián)。內(nèi)置的兩塊 CPU 以供啟動(dòng)、存儲(chǔ)管理及深度學(xué)習(xí)框架協(xié)調(diào)之用。DGX-1 內(nèi)嵌于 3 機(jī)架單位（3U）機(jī)箱中，集電源、冷卻、網(wǎng)絡(luò)、多系統(tǒng)互聯(lián)及 SSD 文件系統(tǒng)緩存于?體，各組件相互協(xié)調(diào)，能夠優(yōu)化吞吐量和深度學(xué)習(xí)訓(xùn)練時(shí)間。通過(guò)部署 DGX-1 系統(tǒng)，銀河水滴取得了比單獨(dú)部署 GPU 更強(qiáng)大的性能。

在模型訓(xùn)練過(guò)程中銀河水滴的技術(shù)人員發(fā)現(xiàn)，DGX-1 可以協(xié)助充分發(fā)揮 NVIDIA 數(shù)據(jù)中心 GPU 的潛力。銀河水滴在對(duì)其模型進(jìn)行每 100 次迭代時(shí)，此前通過(guò)單獨(dú)采用配置了 8 塊 NVIDIA V100 GPU 的服務(wù)器所需的訓(xùn)練時(shí)間是 2 分 40 秒，而在包含 8 塊 V100 數(shù)據(jù)中心 GPU 的 DGX-1 系統(tǒng)中，這一過(guò)程則只需花費(fèi) 1 分 40 秒，縮短了近40%的訓(xùn)練時(shí)間。

目前，銀河水滴的步態(tài)識(shí)別技術(shù)已在全國(guó)各地幾十個(gè)城市落地，在對(duì)步態(tài)識(shí)別 AI 模型進(jìn)行訓(xùn)練時(shí)，部署了包含 8 塊 NVIDIA V100 數(shù)據(jù)中心 GPU 的 NVIDIA DGX-1 系統(tǒng)，通過(guò)強(qiáng)勁算力處理多階段、多種類、多用途的大量數(shù)據(jù)，加速了銀河水滴步態(tài)識(shí)別技術(shù)的應(yīng)用落地。DGX-1 系統(tǒng)所具有的革命性 AI 性能也將繼續(xù)提高銀河水滴的 AI 模型訓(xùn)練效率，以助力經(jīng)過(guò)充分迭代的深度學(xué)習(xí)模型應(yīng)用至更多場(chǎng)景中。

審核編輯：湯梓紅