随着全球人口增加，人们越来越担心食物短缺，全球科学家和研究人员正在利用 GPU 解决各种食物难题。
从牲畜饲养和谷物栽培到膳食评估，GPU 正帮助加速深度学习计算模型的训练，满足以超大规模解决食物问题的需求。
用 GPU 放养牲畜
例如，位于阿姆斯特丹的新创公司 Connecterra 就使用 GPU 驱动的深度学习平台来监控牲畜的活动。
该公司的技术包括一个可穿戴的设备，它将畜群的实时信息传输到基于云的平台上，从而分析并预测牲畜行为。
Connecterra 一直使用 GeForce GTX 970 GPU 来训练该公司的深度学习网络。这将提供更加详细的牲畜倾向数据分析，让牧场主人能够提高产量，优化饲养模式。
鹿和 GPU 驱动的机器人一同漫步
在地球的另一端，悉尼大学的一个团队正在研究一款名为 SwagBot 的太阳能机器人，它将扮演高科技牛仔的角色，帮助监控牲畜。
SwagBot 会在吃草的牛、马和羊之间漫游，并不时将畜群聚在一起，同时提供视频和其他数据，帮助牧场主人改善经营和动物健康状况。
据项目带头人机器人学和智能系统教授 Salah Sukkarieh 介绍，该团队目前专注于为这款机器人开发驱动系统和发音动作，不久将转向开发具备自主性的机器人软件和大量传感器。
Sukkarieh 表示，他的团队正利用 GeForce GTX TITAN X 对机器学习模型进行离线训练，这将支持 SwagBot 的自主性。
Lettuce 帮您种粮食
经过 GPU 训练的机器学习模型也用于保护作物。位于硅谷的 Blue River Technology 利用 GeForce GTX TITAN X 和 Caffe 深度学习框架训练该公司的 LettuceBot 机器人分辨生菜和杂草。
构建 LettuceBot 的目的在于帮助农民对抗融合趋势：杂草对除草剂的抗药性增强，而可用的化学农药减少。
LettuceBot 已经在许多农场得到应用，这些农场为全美供应 10% 的生菜。Blue River 预计该公司的技术可以帮助农民减少 90% 的化学农药使用量。
数据来源：Fresh from the Farm
在 Blue River 帮助保护健康生菜的同时，一项跨大西洋的活动也在致力于借助 GPU 检测和预防作物疾病。
美国宾州州立大学和瑞士洛桑联邦理工学院 (EPFL) 的研究人员利用在 EPFL 的 Deneb 集群上运行的 NVIDIA Tesla K40 GPU 加速器的强大性能训练深度卷积网络，该网络正在学习从智能手机拍摄的照片中识别作物类型和疾病。
世界各地的农民通过该研究团队的 PlantVillage 移动应用程序提交照片，让各地的用户都能对粮食种植有更深入的了解。
大数据让人们更健康
当然，如果我们的饮食不健康，所有确保我们的食物健康和营养的努力都将毫无意义，更不用说提高农民的种植效率。
沿着这一思路，马萨诸塞大学洛厄尔分校的一支研究团队正试图通过确保对人们消耗的卡路里进行准确评估，为饮食评估和对抗肥胖病提供帮助。
他们利用深度学习识别食物的类型和分量，以提高卡路里摄入报告的准确性。四个 Tesla K40 GPU 加速器正在帮助他们训练食物识别算法。
从牲畜监控系统到卡路里计算的方方面面都可以使用 GPU 提供动力，将其用于准备食物当然也是合情合理的。
幸运的是，我们利用神奇的 June 智能烤箱也做到了这一点。这种烤箱利用深度学习技术和 NVIDIA Tegra K1 处理器，每次都能尽善尽美地为您准备食物。
下次享用美味健康的食物时，向 GPU 举杯致个意吧。