步态识别AI模型训练需要通过GPU传输和计算大量数据

常用的生物识别方法有人脸识别、指纹识别、虹膜识别、步态识别等，其中步态识别技术BQ2085DBTR是目前远程复杂场景下几乎唯一可以用于身份识别的生物特征识别技术，可以通过人的体型和行走姿势来识别身份。银河水滴科技公司（以下简称“银河水滴”)步态识别技术和产业的引领者来自中科院自动化所。

步态识别是目前视频大数据分析与应用的核心技术之一，面临着非常具有挑战性的复杂环境——远距离、跨视角、跨着装、低照度、全天候，这是一个非常具有挑战性但非常重要的科技问题。由于其复杂的数据环境，有许多数据需要处理。

银河水滴需要处理的数据非常庞大，因此，为了在步态识别过程中保持步态序列的不变性，通过深度学习方法处理视角、着装、携带物等行人特征AI训练数据吞吐量大，整体训练速度慢，需要找到更强的模型GPU从步态序列中提取更具鲁棒性的解决方案。

步态识别AI模型训练需要通过GPU传输和计算大量数据，NVIDIADGX-1.数据搬运过程可以大幅加速高带宽。DGX-1是?为了实现高吞吐量和高互联带宽，深度学习系统可以大大提高神经网络的训练性能。其系统的核心组件是8个NVIDIAV100GPU，立体混合NVLink网络拓扑互联。内置两块CPU以协调框架的启动、存储管理和深度学习。DGX-3机架单位内嵌(3)U）集电源、冷却、网络、多系统互联及机箱SSD缓存于文件系统?身体，各组件相互协调，能优化吞吐量和深度学习培训时间。DGX-1系统，比单独部署银河水滴。GPU性能更强。

银河水滴技术人员在模型训练过程中发现，DGX-1.充分发挥可以帮助NVIDIA数据中心GPU潜力。银河水滴在每100次迭代配置8块，每100次迭代其模型。NVIDIAV100GPU在包含8块的情况下，服务器需要2分40秒的训练时间V100数据中心GPU的DGX-在一个系统中，这个过程只需要1分40秒，将近40%的训练时间缩短。

目前，全国几十个城市已经实施了银河水滴的步态识别技术，在步态识别中AI部署包含8块的模型进行训练时NVIDIAV100数据中心GPU的NVIDIADGX-1系统加快了银河水滴步态识别技术的应用落地，通过强大的算力处理、多种多用的大量数据。DGX-1.革命性系统具有AI银河水滴的性能也将继续提高AI为了帮助深度学习模型在更多场景中得到充分迭代，模型训练效率。