深脑链CEO何永：成功通过AI训练模型测试实例

本篇文章2033字，读完约5分钟

目前，深脑链已经在测试网络上支持张量流深度学习和h2o机器学习框架。Tensorflow是谷歌开发的最流行的人工智能深度学习框架，可应用于许多深度学习领域，如图像识别、语音识别和自然语言理解；H2o是业内最流行的机器学习和预测分析框架。上述框架拥有业内最广泛的人工智能和机器学习开发者。

财务管理6月8日。今天(8日)，深脑连锁首席执行官何勇做客tokenclub Live Room，宣布成功通过人工智能测试。这是深脑链团队首次在国内直播平台上与用户进行在线交流。这一在线直播吸引了60，000多名在线参与者，在直播交流领域提出了近1，000个问题。何勇详细介绍了利用“区块链+人工智能”降低人工智能企业计算能力成本的深脑链技术模型，并对社区用户关心的热点问题给出了全面而详细的解答。

据何勇介绍，深度脑链人工智能测试网络已经成功通过了真实的人工智能训练模型测试案例，这表明深度脑链离正式的商业化阶段又进了一步。

目前，深脑链已经在测试网络上支持张量流深度学习和h2o机器学习框架。Tensorflow是谷歌开发的最流行的人工智能深度学习框架，可应用于许多深度学习领域，如图像识别、语音识别和自然语言理解；H2o是业内最流行的机器学习和预测分析框架。上述框架拥有业内最广泛的人工智能和机器学习开发者。

据何勇介绍，Deep Brain Chain已经通过了多种人工智能和机器学习的训练场景，包括:图像识别(利用神经网络识别手写数字图片)、自然语言处理(利用卷积神经网络模型对中文自然语言文本进行分类)、数据分类和预测(利用随机森林模型对用户数据进行分类和预测)。

通过人工智能测试网络，大量的深度学习开发人员和机器学习开发人员可以得到更有效的培训。

“深度脑链的愿景是构建下一代分布式云计算平台，成为人工智能时代的aws。”为了这个宏伟的目标，何勇带领的团队克服了一个又一个难题。在整个区块链行业普遍浮躁和投机的环境下，深脑连锁团队凭借其技术实力稳步推进产品落地。

6月11日打开钱包余额排名

减少第一批采矿机的总图形处理器，以确保买家的利益

深度脑链ai挖掘机的预售是深度脑链在区块链建立颠覆性ai全球平台和生态系统的第一个战略里程碑，为在线主线后面的分布式数据市场、ai模型市场和ai应用市场奠定了坚实的基础，最终实现了对ai企业需求的全面解决。

人工智能企业可以将它们的人工智能产品部署到深层的脑链上。Deep Brain Chain利用区块链技术整合分布在世界各地的gpu计算能力资源，以满足人工智能企业的计算能力需求。帮助人工智能企业节省高达70%的成本，并在人工智能培训期间保护企业数据的隐私。

在人工智能挖掘过程中，矿工会收到系统在训练后自动生成的dbc(深脑链令牌)奖励。深脑链人工智能挖掘机将区块链资源浪费的计算转化为人工智能的深度学习，机器学习训练和区块链挖掘计算同时高效运行。

自2018年5月18日起，申瑙连锁开始在全球范围内预订ai矿机，市场反响热烈，矿机预订需求强劲。截至6月8日，预计采矿机械总数将超过3500台，预计总金额将超过1亿美元。何勇说，“这种深脑链ai采矿机不同于普通的数字现金采矿机，而是一种专门用于ai计算的采矿机。它将采矿激励与人工智能计算相结合，并配备了适用于人工智能计算的高性能gpu。”

据报道，目前有5台aim采矿机，分别是家用存储采矿机、2千兆位、4千兆位和8千兆位的ai采矿机，以及最高配置为128千兆位的aim集群采矿机，在数据中心进行管理。其中，128克普采矿机在市场上最受欢迎。

然而，为了给第一批社区买家更多的反馈，Deep Brain Chain Foundation决定减少第一批人工智能挖掘机器的总gpu。从最初计划的2440个图形处理器到756个图形处理器，总共182个采矿机。其中，有100台储矿机、20台2gpu矿机、30台4gpu矿机、30台8gpu矿机和2台128gpu超级ai矿机。例如，如果当前dbc价格为0.08美元，8gpu采矿机的回收期约为46天。何勇说:“深脑链基金会是一个非营利组织。我们把社区和用户的利益放在第一位，所以我们只打开更少的机器。在未来的第二、三批人工智能采掘机中，深脑链基金会也将根据市场情况调整后期发布的GPU总量，但原则上仍将首先保证买家的利益。”

对于现场直播中经常被问到的矿机预约资格问题，何勇表示:“我们将根据用户提交并验证的钱包余额排名来决定购买资格。官方网站查询提交验证的钱包地址中包含的数据库的数量。从6月11日到7月1日，系统每天动态获取钱包余额信息，刷新每日平均余额，建立每日平均余额列表。请注意官方网站的相关公告。”

此外，根据深脑链官方网站数据，在预售人工智能挖掘机后，深脑链有望在今年6月下旬上线测试网络。下半年主网络上线后，团队将继续研究深度脑链人工智能集群(16-128 GPU)的分布式训练和整个网络的分布式训练。