NVIDIA suit ses projets de machine learning, avec un StyleGAN2

Après avoir permis de restituer un visage qui restera probablement dans les anales du comptoir, NVIDIA ne s’arrête pas dans ses recherches concernant l’apprentissage automatisé et a récemment bûché sur un StyleGAN2.

Le principe est toujours le même que l’application originelle : utiliser un réseau de neurones adversariel pour générer une quasi-infinité d’images en respectant un style prédéfini et une image d’entrée. Cette nouvelle version permettrait de raffiner les points sur lesquels l’IA manque de recul, à savoir la cohérence entre les détails et l’allure générale de l’image. Par exemple, lors de la conception de ce nouveau modèle, le générateur devenait très performant sur la qualité de l’image fournie, mais se trompait sur l’orientation relative des éléments composant un visage : alors que la tête était orientée de profil, les dents conservaient une perspective valide pour un visage de face. Pas vraiment de quoi empêcher de reconnaître le sujet, mais largement assez pour identifier la patte d’un alogirthme imparfait.

Sans surprise, nous retrouvons côté matériel des systèmes NVIDIA DGX contenant huit Tesla V100 — bientôt des modèles Ampère ? – utilisant tout le pâté logiciel de la firme : TensorFlow, une référence du secteur, accéléré via cuDNN, une bibliothèque servant à interfacer le bouzin avec le langage propriétaire CUDA. En tout, l’apprentissage a pris l’équivalent de 51 ans si il avait dû être réalisé sur une seule carte, et 131,61 MWh très exactement de consommation électrique, soit un peu plus de 23 mille euros au tarif moyen français, pour vous faire une idée ! Avec de tels investissements, il est clair que NVIDIA doit avoir plus d’un tour dans son sac pour exploiter sa poule aux œufs d’or, ce qui justifie un suivi attentionné des projets porteurs tel ce StyleGAN.