导语：语音自动识别、语音感知等音频分析是深度学习技术最具落地潜力的领域之一，对其后端系统的性能存在极高要求。针对哈尔滨工业大学深度学习项目中的多媒体音频信息处理等应用，浪潮为其定制了高性能计算解决方案，解决了其在音频分析过程中遇到的噪音干扰信号等问题、提高分析的精准度，让音频分析向着“媲美人脑”的目标不断迈进。
音频分析，高性能是关键
语言信息主要包含在语音信号的参数之中，因此准确而迅速地提取语言信号的参数是进行语音信号处理的关键。在当前的音频分析领域，连续语音的分割、大词量语音的识别和识别任何人的语音等方面都是难点，业内尚无有效的解决方案，哈尔滨工业大学（后简称：哈工大）语音实验室希望通过深度学习技术的应用，将这些难题一一化解。
经过多方测试，在后端系统的搭建中，哈工大语音实验室决定采用高性能计算集群解决方案，并搭配GPU计算节点，利用GPU加速卡强大的计算性能来有效的提高其现有的计算能力。然而，在高性能集群搭建过程中，哈工大却遇到了不少挑战。
首当其冲的是如何满足音频分析对高性能的苛刻要求。要实现精准如人脑的音频分析，就需要构建深层神经网络，将深层卷积神经网络（Deep CNN）等技术应用于语音识别声学建模中，模拟人脑神经元和神经突触的信息和数据传输及计算，其需要的计算能力是极其惊人的。音频分析系统的性能越高，也就越能接近于人脑识别的精准度与速度。
与此同时，作为重点项目，哈工大语音实验室的音频分析项目涉及到大量的重要研究数据，运行着关键应用，哈工大语音实验室需要确保音频分析能够长时间安全、稳定的运行，以最大程度上提升分析的效率、避免宝贵分析成果的损失。同时，哈工大语音实验室还希望对高性能集群的各个节点进行准确的监控，降低意外情况发生的几率。
57万亿次的峰值性能 浪潮让音频分析更精准
为建设高性能、高安全、高稳定的高性能集群，哈工大语音实验室与浪潮开展合作，在开放的技术架构下，将计算能力与实际应用相结合，以驱动音频分析的应用价值。在高性能集群的实际搭建过程中，浪潮定制的解决方案采用6台浪潮倚天超算系列产品NF5568M4浪潮SKVM视频切换系统，搭配性能强大的GPU加速卡，以满足音频分析对于高性能的苛刻需求。
运算峰值57万亿次：浪潮NF5568M4与GPU加速计算技术的协同，CPU主要承担其更擅长的逻辑选择、判断跳转和IO通信方面的职责，而GPU则专职计算密集型、高度并行的计算工作，使得计算资源合理的分配，计算力被充分释放，计算性能达到从几倍到几十倍的增长。浪潮采用了先进的56Gb IB高速网络技术，保证集群中所有节点无阻塞、全线速的运行，可充分满足高速互联的需求。在哈工大语音实验室高性能集群建设中，整个集群的双精度浮点运算峰值可达到57万亿次以上，为实验室的音频分析应用提供了的极高性能支撑。
安全稳定的集群管理：浪潮在设计方案时，考虑到集群中节点的监控问题，特别配置了远程视频切换系统，采用专门的SKVM网络，可以准确的监控集群中每个节点的信息，相当于给每个节点安装了一台小型的监控器，保证了集群的安全运行。另外，浪潮还提供了智能的集群管理软件Cluster Engine，管理计算平台上运行的几十款软件，并通过定制化开发，适配用户的应用，构建了一个易用、高效、稳定的超算平台。
浪潮Cluster Engine集群管理软件
领先应用调优服务：浪潮在高性能计算领域拥有深厚积累，拥有一支专业的高性能应用研究分析团队。目前，浪潮已经积累了十余个行业的三百余款软件的应用特征，建立了六十余款典型应用基准算例库，能够提供定制化解决方案和专业的应用调优服务，这些深厚的经验积累帮助哈工大语音实验室提供了领先的调优服务，确保了音频应用的高效能运行。
浪潮应用调优
哈工大语音实验室负责人表示：“语音处理的研究已经经历了将近50年的历史，取得了许多成果，但是如何利用深度学习技术提高语音分析能力依然是崭新的问题。浪潮高效的高性能计算系统为之前复杂的计算问题带来极大的帮助，让研究人员可以专注于音频分析技术的研究，而不用将更多的精力耗费在高性能集群的优化上。此外，浪潮还提供了360°的售后服务，解决了系统的后顾之忧，这也帮助我们将音频分析应用研究保持在国内高校领先水平。”
