常用的生物識別方法包括人臉識別、指紋識別、虹膜識別、步態識別等。其中，步態識別技術可以通過人的身體體型和行走姿態來辨識身份，它是目前遠距離復雜場景下幾乎唯一可用于身份識別的生物特征識別技術。銀河水滴科技公司（以下簡稱為“銀河水滴”）源自于中科院自動化所，是步態識別技術和產業的引領者。

步態識別面臨著極具挑戰的復雜環境——遠距離、跨視角、跨著裝、低照度、全天候，是極具挑戰、但又極其重要的科技難題，是公認的當前視頻大數據解析與應用的核心技術之一。由于其數據環境復雜，因而所需要處理的數據種類繁多。

為了在步態識別過程中通過深度學習方法處理視角、著裝、攜帶物等多種行人特征的同時，保持所生成步態序列的不變性，銀河水滴所需處理的數據量十分龐大，因而 AI 模型的訓練數據吞吐量大、整體訓練速度偏慢，亟需尋找更強大的 GPU 解決方案以更高效地從步態序列中提取更具魯棒性的特征。

在步態識別 AI 模型訓練中，需要通過 GPU 對大量數據進行傳輸與計算，NVIDIA DGX-1 所具有的高帶寬可以大幅加速數據搬運的過程。DGX-1 是?款深度學習系統，專為實現高吞吐量和高互聯帶寬而構建，可極大提升神經網絡訓練性能。其系統核心組件是 8 個 NVIDIA V100 GPU，通過混合立體 NVLink 網絡拓撲互聯。內置的兩塊 CPU 以供啟動、存儲管理及深度學習框架協調之用。DGX-1 內嵌于 3 機架單位（3U）機箱中，集電源、冷卻、網絡、多系統互聯及 SSD 文件系統緩存于?體，各組件相互協調，能夠優化吞吐量和深度學習訓練時間。通過部署 DGX-1 系統，銀河水滴取得了比單獨部署 GPU 更強大的性能。

在模型訓練過程中銀河水滴的技術人員發現，DGX-1 可以協助充分發揮 NVIDIA 數據中心 GPU 的潛力。銀河水滴在對其模型進行每 100 次迭代時，此前通過單獨采用配置了 8 塊 NVIDIA V100 GPU 的服務器所需的訓練時間是 2 分 40 秒，而在包含 8 塊 V100 數據中心 GPU 的 DGX-1 系統中，這一過程則只需花費 1 分 40 秒，縮短了近40%的訓練時間。

目前，銀河水滴的步態識別技術已在全國各地幾十個城市落地，在對步態識別 AI 模型進行訓練時，部署了包含 8 塊 NVIDIA V100 數據中心 GPU 的 NVIDIA DGX-1 系統，通過強勁算力處理多階段、多種類、多用途的大量數據，加速了銀河水滴步態識別技術的應用落地。DGX-1 系統所具有的革命性 AI 性能也將繼續提高銀河水滴的 AI 模型訓練效率，以助力經過充分迭代的深度學習模型應用至更多場景中。

審核編輯：湯梓紅