电子发烧友网>人工智能> > 正文

人工智能的演进需要高适应性的推理平台(WP023)

2021年07月07日 16:31 ? 次阅读

  模型大小不断增长给现有架构带来了挑战

  深度学习对计算能力的需求正以惊人的速度增长,其近年来的发展速度已从每年翻一番缩短到每三个月翻一番。深度神经网络(DNN)模型容量的不断提升,表明从自然语言处理到图像处理的各个领域都得到了改进——深度神经网络是诸如自动驾驶和机器人等实时应用的关键技术。例如,Facebook的研究表明,准确率与模型大小的比率呈线性增长,通过在更大的数据集进行训练,准确率甚至可以得到进一步提高。

  目前在许多前沿领域,模型大小的增长速度远快于摩尔定律,用于一些应用的万亿参数模型正在考虑之中。虽然很少有生产系统会达到同样的极端情况,但在这些示例中,参数数量对性能的影响将在实际应用中产生连锁反应。模型大小的增长给实施者带来了挑战。如果不能完全依靠芯片扩展路线图,就需要其他解决方案来满足对模型容量增加部分的需求,而且成本要与部署规模相适应。这种增长要求采用定制化的架构,以最大限度地发挥每个可用晶体管的性能。

  

  图1:模型大小的增长速度(来源:Linley Group)

  Parameters (log scale):参数(对数刻度)

  Image-processing models:图像处理模型

  Language-processing models:语言处理模型

  随着参数数量快速增长,深度学习架构也在快速演进。当深度神经网络继续广泛使用传统卷积、全连接层和池化层的组合时,市场上也出现了其它结构,诸如自然语言处理(NLP)中的自注意力网络。它们仍然需要高速矩阵和面向张量的算法,但是存储访问模式的变化可能会给图形处理器(GPU)和当前现有的加速器带来麻烦。

  结构上的变化意味着诸如每秒万亿次操作(TOps)等常用指标的相关性在降低。通常情况下,处理引擎无法达到其峰值TOps分数,因为如果不改变模型的处理方式,存储和数据传输基础设施就无法提供足够的吞吐量。例如,批处理输入样本是一种常见的方法,因为它通常可以提高许多架构上可用的并行性。但是,批处理增加了响应的延迟,这在实时推理应用中通常是不可接受的。

  数值灵活性是实现高吞吐量的一种途径

  提高推理性能的一种途径是使计算的数值分辨率去适应各个独立层的需求,这也代表了与架构的快速演进相适应。一般来说,与训练所需的精度相比,许多深度学习模型在推理过程中可以接受明显的精度损失和增加的量化误差,而训练通常使用标准或双精度浮点算法进行。这些格式能够在非常宽的动态范围内支持高精度数值。这一特性在训练中很重要,因为训练中常见的反向传播算法需要在每次传递时对许多权重进行细微更改,以确保收敛。

  通常来说,浮点运算需要大量的硬件支持才能实现高分辨率数据类型的低延迟处理,它们最初被开发用来支持高性能计算机上的科学应用,完全支持它所需的开销并不是一个主要问题。

  许多推理部署都将模型转换为使用定点运算操作,这大大降低了精度。在这些情况下,对准确性的影响通常是最小的。事实上,有些层可以转换为使用极其有限的数值范围,甚至二进制或三进制数值也都是可行的选择。

  然而,整数运算并不总是一种有效的解决方案。有些滤波器和数据层就需要高动态范围。为了满足这一要求,整数硬件可能需要以24位或32位字长来处理数据,这将比8位或16位的整数数据类型消耗更多的资源,这些数据类型很容易在典型的单指令多数据(SIMD)加速器中得到支持。

  一种折衷方案是使用窄浮点格式,例如适合16位字长的格式。这种选择可以实现更大的并行性,但它并没有克服大多数浮点数据类型固有的性能障碍。问题在于,在每次计算后,浮点格式的两部分都需要进行调整,因为尾数的最高有效位没有显式存储。因此,指数的大小需要通过一系列的逻辑移位操作来调整,以确保隐含的前导“1”始终存在。这种规范化操作的好处是任何单个数值都只有一种表示形式,这对于用户应用程序中的软件兼容性很重要。然而,对于许多信号处理和人工智能推理常规运算来说,这是不必要的。

  这些操作的大部分硬件开销都可以通过在每次计算后无需标准化尾数和调整指数来避免。这是块浮点算法所采用的方法,这种数据格式已被用于标准定点数字信号处理(DSP),以提高其在移动设备的音频处理算法、数字用户线路(DSL)调制解调器和雷达系统上的性能。

  

  图2:块浮点计算示例

  manTIssa:尾数

  block exponent:块指数

  使用块浮点算法,无需将尾数左对齐。用于一系列计算的数据元素可以共享相同的指数,这一变化简化了执行通道的设计。对占据相似动态范围的数值进行四舍五入造成的精度损失可被降到最小。在设计时就要为每个计算块选择合适的范围。在计算块完成后,退出函数就可以对数值进行四舍五入和标准化处理,以便在需要时将它们用作常规的浮点值。

  支持块浮点格式是机器学习处理器(MLP)的功能之一。Achronix的Speedster?7t FPGA器件和Speedcore? eFPGA架构提供了这种高度灵活的算术逻辑单元。机器学习处理器针对人工智能应用所需的点积和类似矩阵运算进行了优化。相比传统浮点,这些机器学习处理器对块浮点的支持提供了实质性的改进。16位块浮点运算的吞吐量是传统的半精度浮点运算的8倍,使其与8位整数运算的速度一样快,与仅以整数形式的运算相比,有功功耗仅增加了15%。

  另一种可能很重要的数据类型是TensorFloat 32(TF32)格式,与标准精度格式相比,该格式的精度有所降低,但保持了较高的动态范围。TF32也缺乏块指数处理的优化吞吐量,但对于一些应用是有用的,在这些应用中,使用TensorFlow和类似环境所创建的模型的易于移植性是很重要的。Speedster7t FPGA中机器学习处理器所具有的高度灵活性使得使用24位浮点模式来处理TF32算法成为可能。此外,机器学习处理器的高度可配置性意味着可以支持一个全新的、块浮点版本的TF32,其中四个样本共享同一个指数。机器学习处理器支持的块浮点TF32,其密度是传统TF32的两倍。

  

  图3:机器学习处理器(MLP)的结构

  Wireless:无线

  AI/ML:人工智能/机器学习

  Input Values:输入值

  Input Layer:输入层

  Hidden Layer 1:隐藏层1

  Hidden Layer 2:隐藏层2

  Output Layer:输出层

  处理灵活性优化了算法支持

  虽然机器学习处理器能够支持多种数据类型,这对于推理应用而言是至关重要的,但只有成为FPGA架构的一部分,它的强大功能才能释放出来。可轻松定义不同互连结构的能力使FPGA从大多数架构中脱颖而出。在FPGA中同时定义互连和算术逻辑的能力简化了构建一种平衡架构的过程。设计人员不仅能够为自定义数据类型构建直接支持,还可以去定义最合适的互连结构,来将数据传入和传出处理引擎。可重编程的特性进一步提供了应对人工智能快速演进的能力。通过修改FPGA的逻辑可以轻松支持自定义层中数据流的变化。

  FPGA的一个主要优势是可以轻松地在优化的嵌入式计算引擎和由查找表单元实现的可编程逻辑之间切换功能。一些功能可以很好地映射到嵌入式计算引擎上,例如Speedster7t MLP。又如,较高精度的算法最好分配给机器学习处理器(MLP),因为增加的位宽会导致功能单元的大小呈指数增长,这些功能单元是用来实现诸如高速乘法之类的功能。

  较低精度的整数运算通常可以有效地分配给FPGA架构中常见的查找表(LUT)。设计人员可以选择使用简单的位串行乘法器电路来实现高延迟、高并行性的逻辑阵列。或者,他们可以通过构建进位保存和超前进位的加法器等结构来为每个功能分配更多的逻辑,这些结构通常用来实现低延迟的乘法器。通过Speedster7t FPGA器件中独特的LUT配置增强了对高速算法的支持,其中LUT提供了一种实现Booth编码的高效机制,这是一种节省面积的乘法方法。

  结果是,对于一个给定的位宽,实现整数乘法器所需的LUT数量可以减半。随着机器学习中的隐私和安全性等问题变得越来越重要,应对措施可能是在模型中部署同态加密形式。这些协议通常涉及非常适合于LUT实现的模式和位域操作,有助于巩固FPGA作为人工智能未来验证技术的地位。

  数据传输是吞吐量的关键

  为了在机器学习环境中充分利用数值自定义,周围的架构也同样重要。在越来越不规范的图形表示中,能随时在需要的地方和时间传输数据是可编程硬件的一个关键优势。但是,并非所有的FPGA架构都是一样的。

  传统FPGA架构的一个问题是,它们是从早期应用演变而来的;但在早期应用中,其主要功能是实现接口和控制电路逻辑。随着时间的推移,由于这些器件为蜂窝移动通信基站制造商提供了一种从愈发昂贵的ASIC中转移出来的方法,FPGA架构结合了DSP模块来处理滤波和信道估计功能。原则上,这些DSP模块都可以处理人工智能功能。但是,这些模块最初设计主要是用于处理一维有限冲激响应(1D FIR)滤波器,这些滤波器使用一个相对简单的通道通过处理单元传输数据,一系列固定系数在该通道中被应用于连续的样本流。

  传统的处理器架构对卷积层的支持相对简单,而对其他的则更为复杂。例如,全连接层需要将一层中每个神经元的输出应用到下一层的所有神经元上。其结果是,算术逻辑单元之间的数据流比传统DSP应用中的要复杂得多,并且在吞吐量较高的情况下,会给互连带来更大的压力。

  尽管诸如DSP内核之类的处理引擎可以在每个周期中生成一个结果,但FPGA内部的布线限制可能导致无法足够快速地将数据传递给它。通常,对于专为许多传统FPGA设计的、通信系统中常见的1D FIR滤波器来说,拥塞不是问题。每个滤波阶段所产生的结果都可以轻松地传递到下一个阶段。但是,张量操作所需的更高的互连以及机器学习应用较低的数据局部性,使得互连对于任何实现而言都更加重要。

  

  图4:滤波器和人工智能数据流

  Memory Cascade Out:存储级联输出

  Operand Cascade in:操作数级联

  Register File:寄存器文件

  Fracturable:可分割

  Adder/Accumulator:加法器/累加器

  Memory Cascade in:存储级联

  机器学习中的数据局部性问题需要注意多层级的互连设计。由于在最有效的模型中参数数量庞大,片外数据存储通常是必需的。关键要求是可以在需要时以低延迟传输数据的机制,并使用靠近处理引擎的高效便笺式存储器,以最有效地利用预取以及其他使用可预测访问模式的策略,来确保数据在合适的时间可用。

  在Speedster7t架构中,有以下三项用于数据传输的创新:

  ·优化的存储层次结构

  ·高效的本地布线技术

  ·一个用于片内和片外数据传输的高速二维片上网络(2D NoC)

  传统的FPGA通常具有分布在整个逻辑架构上的片上RAM块,这些RAM块被放置在距离处理引擎有一定距离的地方。对于典型的FPGA设计来说,这种选择是一种有效的架构,但在人工智能环境中,它带来了额外的和不必要的布线开销。在Speedster7t架构中,每个机器学习处理器(MLP)都与一个72kb的双端口块RAM(BRAM72k)和一个较小的2kb的双端口逻辑RAM(LRAM2k)相关联,其中LRAM2k可以作为一个紧密耦合的寄存器文件。

  可以通过FPGA布线资源分别访问机器学习处理器(MLP)及其相关联的存储器。但是,如果一个存储器正在驱动关联的MLP,则它可以使用直接连接,从而卸载FPGA布线资源并提供高带宽连接。

  在人工智能应用中,BRAM可以作为一个存储器,用于存储那些预计不会在每个周期中发生变化的值,诸如神经元权重和激活值。LRAM更适合存储只有短期数据局部性的临时值,诸如输入样本的短通道以及用于张量收缩和池化活动的累积值。

  该架构考虑到需要能够将大型复杂的层划分为可并行操作的段,并为每个段提供临时数据值。BRAM和LRAM都具有级联连接功能,可轻松支持机器学习加速器中常用的脉动阵列的构建。

  

  图5:具有存储和级联连接功能的MLP

  MLP可以从逻辑阵列、共享数据的级联路径以及关联的BRAM72k和LRAM2k逐周期驱动。这种安排能够构建复杂的调度机制和数据处理通道,使MLP持续得到数据支持,同时支持神经元之间尽可能广泛的连接模式。为MLP持续提供数据是提高有效TOps算力的关键。

  MLP的输出具有同样的灵活性,能够创建脉动阵列和更复杂的布线拓扑,从而为深度学习模型中可能需要的每种类型的层提供优化的架构。

  

  MulTIplier / mulTIplicand fracTIons after converting inputs to have the same exponent:将输入转换为具有相同指数后的乘数/被乘数分数

  Multiplier block exponent:乘数块指数

  Multiplicand block exponent:被乘数块指数

  Integer Multiply / Add Tree:整数乘法/加法树:

  Convert to Floating Point:转换为浮点

  Floating Point Accumulation:浮点累加

  Round to desired precision:四舍五入到所需精度

  Speedster7t架构中的2D NoC提供了从逻辑阵列的可编程逻辑到位于I/O环中的高速接口子系统的高带宽连接,用于连接到片外资源。它们包括用于高速存储访问的GDDR6和诸如PCIe Gen5和400G以太网等片内互连协议。这种结构支持构建高度并行化的架构,以及基于中央FPGA的高度数据优化的加速器。

  通过将高密度数据包路由到分布在整个逻辑阵列上的数百个接入点,2D NoC使得大幅增加FPGA上的可用带宽成为可能。传统的FPGA必须使用数千个单独编程的布线路径来实现相同的吞吐量,而这样做会大量吃掉本地的互连资源。通过网络接入点将千兆数据传输到本地区域,2D NoC缓解了布线问题,同时支持轻松而快速地将数据传入和传出MLP和基于LUT的定制化处理器。

  相关的资源节省是相当可观的——一个采用传统FPGA软逻辑实现的2D NoC具有64个NoC接入点(NAP),每个接入点提供一个运行频率为400MHz的128位接口,将消耗390kLUT。相比之下,Speedster 7t1500器件中的硬2D NoC具有80个NAP,不消耗任何FPGA软逻辑,并且提供了更高的带宽。

  使用2D NoC还有其他的一些优势。由于相邻区域之间互连拥塞程度较低,因此逻辑设计更易于布局。因为无需从相邻区域分配资源来实现高带宽路径的控制逻辑,因此设计也更加有规律。另一个好处是极大地简化了局部性重新配置——NAP支持单个区域成为有效的独立单元,这些单元可以根据应用的需要进行交换导入和导出。这种可重配置的方法反过来又支持需要在特定时间使用的不同模型,或者支持片上微调或定期对模型进行再训练这样的架构。

  结论

  随着模型增大和结构上变得更加复杂,FPGA正成为一种越来越具吸引力的基础器件来构建高效、低延迟AI推理解决方案,而这要归功于其对多种数值数据类型和数据导向功能的支持。但是,仅仅将传统的FPGA应用于机器学习中是远远不够的。机器学习以数据为中心的特性需要一种平衡的架构,以确保性能不受人为限制。考虑到机器学习的特点,以及不仅是现在,而且在其未来的开发需求,Achronix Speedster7t FPGA为AI推理提供了理想的基础器件。

下载发烧友APP

打造属于您的人脉电子圈

关注电子发烧友微信

有趣有料的资讯及技术干货

关注发烧友课堂

锁定最新课程活动及技术直播

电子发烧友观察

一线报道 · 深度观察 · 最新资讯
收藏 人收藏
分享:

评论

相关推荐

燧原科技首发国内第二代人工智能训练芯片“邃思2....

燧原科技今日发布第二代人工智能训练产品——“邃思2.0”芯片、基于邃思2.0的“云燧T20”训练加速....
发表于 2021-07-07 17:15? 0次阅读
燧原科技首发国内第二代人工智能训练芯片“邃思2....

大联大品佳集团推出基于EEASY TECH SH...

EEASY TECH是以AI机器视觉算法和SoC芯片设计为核心的系统方案供应商,志在成为视像安防、汽....
发表于 2021-07-07 16:39? 16次阅读
大联大品佳集团推出基于EEASY TECH SH...

Marvell凭借业界首款5纳米数据处理器拓展O...

OCTEON 10系列集成安谋Neoverse N2内核,为性能和低功耗设定行业基准。
发表于 2021-07-06 17:17? 182次阅读
Marvell凭借业界首款5纳米数据处理器拓展O...

霍金死前的三大预言

斯蒂芬·威廉·霍金, 1942年1月8日出生于英国牛津,英国剑桥大学著名物理学家,现代最伟大的物理学....
发表于 2021-07-06 15:27? 245次阅读
霍金死前的三大预言

AI全球格局之人工智能即将变革的三大领域 相关资料分享

热潮下的冷思考,人工智能即将改变的三大领域人工智能技术的应用,或许能帮助蓝色星球的科学家们摆脱无穷无尽实验的痛...
发表于 2021-07-06 08:04? 0次阅读
AI全球格局之人工智能即将变革的三大领域 相关资料分享

浅谈主流开发板 相关资料分享

开发板在目前电子行业中比较热门的技术领域1.物联网通过使用智能手机但不仅限于电子设备对其他一切联网设备的控制,从...
发表于 2021-07-06 06:29? 0次阅读
浅谈主流开发板 相关资料分享

在数字经济时代 万物互联除了联还需要什么?

编者按:2021年7月14-16日,暌违已久的第七届中国机器人峰会暨智能经济人才峰会将在浙江宁波余姚....
发表于 2021-07-05 17:30? 346次阅读
在数字经济时代 万物互联除了联还需要什么?

AI可以取代芯片工程师吗?

最近,谷歌在《自然》杂志发表了论文《面向快速芯片设计的图布局方法》(A graph placemen....
发表于 2021-07-05 16:54? 170次阅读
AI可以取代芯片工程师吗?

功能安全和人工智能可以在工业应用中共存吗?

任何功能安全的先决要求是,如果发生意外事件或行动,需要立即阻止设备对任何操作员造成伤害,并防止损坏其....
发表于 2021-07-04 15:10? 278次阅读
功能安全和人工智能可以在工业应用中共存吗?

人工智能/机器学习技术推动全球产业变革

人工智能涉及到开发利用计算机系统执行通常需要利用人类智慧才能完成的任务。
发表于 2021-07-04 10:31? 2634次阅读
人工智能/机器学习技术推动全球产业变革

麒麟软件孔金珠为什么看好openEuler?

从 “不知道操作系统,也不会搞操作系统”到“二十年如一日”攻克操作系统技术、市场难关的孔金珠,与 I....
发表于 2021-07-02 17:17? 211次阅读
麒麟软件孔金珠为什么看好openEuler?

甘中学博士:下一代互联网可能是基于5G的三元智联...

编者按:2021年7月14-16日,暌违已久的第七届中国机器人峰会暨智能经济人才峰会将在浙江宁波余姚....
发表于 2021-07-02 16:12? 279次阅读
甘中学博士:下一代互联网可能是基于5G的三元智联...

剖析以智能制造为主攻方向推动产业链数字化转型

近年来,世界制造强国纷纷推进制造业向智能化、自动化转型。2016年,工业和信息化部发布了《智能制造工....
发表于 2021-07-02 15:11? 212次阅读
剖析以智能制造为主攻方向推动产业链数字化转型

美国初创生物科技公司宣布完成 4500 万美元的...

近日,一家号称研发全新 RNAi 疗法的美国初创生物科技公司 Camp4 Therapeutics(....
发表于 2021-07-02 11:13? 208次阅读
美国初创生物科技公司宣布完成 4500 万美元的...

未来十年安全边缘设备将会兴起 2021年仅是个开...

未来十年,安全边缘设备将会兴起……2021年仅仅标志着智能边缘时代的开端,这将是一个充满挑战性的漫长....
发表于 2021-07-02 10:56? 236次阅读
未来十年安全边缘设备将会兴起 2021年仅是个开...

最适合人工智能开发的5种编程语言 相关资料分享

最适合人工智能开发的5种编程语言
发表于 2021-07-02 06:52? 0次阅读
最适合人工智能开发的5种编程语言 相关资料分享

锐捷网络与美的智能达成战略合作,共同致力智能零售...

6月30日,锐捷网络股份有限公司(以下简称:锐捷网络)与合肥美的智能科技有限公司(以下简称:美的智能....
发表于 2021-07-01 15:40? 2601次阅读
锐捷网络与美的智能达成战略合作,共同致力智能零售...

赛灵思Kria K26 SOM应运而生为ML边缘...

随着人工智能和机器学习算法取得一系列新进展 众多高计算强度的应用正在被部署到边缘设备上 当下,业界迫....
发表于 2021-07-01 11:52? 255次阅读
赛灵思Kria K26 SOM应运而生为ML边缘...

贴片电容其余的优异特性

其实就电容的发展历程来看,它所出现的那个时代并不算的上是一个腾飞的时候,早期的工业革命所带来的大多数....
发表于 2021-07-01 11:15? 38次阅读
贴片电容其余的优异特性

杨旸博士:要能够洞悉需求,随时做好准备拥抱变化

加速推动数字化转型,已经成为全球各地、各行各业的共识。疫情更推动了数字技术发展,企业在应对挑战、恢复....
发表于 2021-06-30 16:48? 320次阅读
杨旸博士:要能够洞悉需求,随时做好准备拥抱变化

工业平板电脑助力工业现场实现人工智能

本期上海研强给大家分享的是工业平板电脑助力工业现场实现人工智能,希望看完本篇文章您能对工业平板电脑有....
发表于 2021-06-30 16:46? 42次阅读
工业平板电脑助力工业现场实现人工智能

人工智能技术如何在医疗保健行业实现快速发展

随着人工智能技术的不断发展,人工智能的应用也在不断的发展,使世界受益匪浅。这项技术可以应用于任何行业....
发表于 2021-06-30 16:31? 181次阅读
人工智能技术如何在医疗保健行业实现快速发展

3D视觉技术推动商业发展和个人消费升级

趋势报告显示,3D视觉算法效果大幅提升双重促进视觉体验增强和生产成本下降,不断推动商业发展和个人消费....
发表于 2021-06-30 15:21? 524次阅读
3D视觉技术推动商业发展和个人消费升级

关于5G技术持续演进和高通技术公司无线研究重点

全新5G研发测试平台展现毫米波、无界XR和5G广域技术等诸多领域的行业突破 高通技术公司展示其最新研....
发表于 2021-06-30 14:27? 296次阅读
关于5G技术持续演进和高通技术公司无线研究重点

高性能计算与人工智能何处去?英特尔剑指XPU

内置高带宽内存(HBM)的Sapphire Rapids至强可扩展处理器进一步打造性能标杆;英特尔G....
发表于 2021-06-30 11:34? 124次阅读
高性能计算与人工智能何处去?英特尔剑指XPU

AnyVision宣布推出最新人工智能软件解决方...

AnyVision 的 Recognition AI软件解决方案专为安霸 CVflow SoC 优化....
发表于 2021-06-30 10:43? 247次阅读
AnyVision宣布推出最新人工智能软件解决方...

IBM拓展对Verizon和Telefonica...

【英伟达400亿美元收购ARM交易得到三家主要芯片制造商支持】英伟达以400亿美元价格收购芯片设计公....
发表于 2021-06-30 10:01? 236次阅读
IBM拓展对Verizon和Telefonica...

国辰机器人的产品优势及应用案例

智能化造就新时代,在人工智能加速普及的当今社会,无论是工业还是商用,机器人的市场都在不断扩大。以工业....
发表于 2021-06-29 15:50? 167次阅读
国辰机器人的产品优势及应用案例

矽赫科技研发智能雷达即将进军粤港澳大湾区车联网

“粤港澳大湾区强劲的经济发展和产业升级需求,对太赫兹技术的产业落地有直接的推动作用,太赫兹在智慧安防....
发表于 2021-06-29 11:46? 447次阅读
矽赫科技研发智能雷达即将进军粤港澳大湾区车联网

CFO如何在转型浪潮中找准自身定位

据 ISACA 调研,91%的商业领袖将数字化转型视为激发企业创新和提升工作效率的一种方式。在这个过....
发表于 2021-06-29 11:08? 375次阅读
CFO如何在转型浪潮中找准自身定位

你们知道芯片行业所说的IP是个什么吗?

前言:在芯片行业,人们经常用到IP这个词,例如IP开发、IP交易、IP复用、IP厂商、IP提供商等。....
发表于 2021-06-28 14:47? 593次阅读
你们知道芯片行业所说的IP是个什么吗?

特斯拉的人工智能(AI)芯片到底有多强大?

在当今世界,如果有一件事是你可以保证的,那就是新技术的不断发展。回头一看,你已经错过了最新的一套苹果....
发表于 2021-06-28 14:25? 357次阅读
特斯拉的人工智能(AI)芯片到底有多强大?

四个顶级人工智能系统的仇恨言论检测能力依然很差

尽管人工智能(AI)技术领域在最近取得了进步,但它依然在大多数基本应用上暴露出很多问题。 在一项新的....
发表于 2021-06-28 14:09? 143次阅读
四个顶级人工智能系统的仇恨言论检测能力依然很差

新思科技DesignWare PVT子系统针对台...

基于当今的先进制程技术、基础优化方案、遥测技术和分析方法,刚加入新思科技的Moortec所提供的芯片....
发表于 2021-06-28 11:46? 56次阅读
新思科技DesignWare PVT子系统针对台...

中国信通院将进一步拓展行业应用标准,赋能数字化转...

在6月4日召开的“2021云边协同大会”上,中国信息通信研究院云计算与大数据研究所副所长栗蔚表示,中....
发表于 2021-06-26 17:06? 971次阅读
中国信通院将进一步拓展行业应用标准,赋能数字化转...

韩国人工智能公司Pulse 9推出AI女团

智东西6月23日消息,最近,韩国人工智能公司Pulse 9推出了一个完全由AI打造的韩国流行音乐女团....
发表于 2021-06-26 16:36? 521次阅读
韩国人工智能公司Pulse 9推出AI女团

一个全新属于AI行业应用场景的开源项目来了!

3000亿美金市场,“十四五”规划重点内容,人工智能今年可谓炙手可热~但AI算法的构建和应用,不仅要....
发表于 2021-06-26 14:38? 1073次阅读
一个全新属于AI行业应用场景的开源项目来了!

东土科技与科大讯飞将在5G、人工智能等方面展开合...

东土科技6月25日公告,公司于6月24日与科大讯飞股份有限公司(以下简称“科大讯飞”)签署了《战略合....
发表于 2021-06-26 14:11? 3181次阅读
东土科技与科大讯飞将在5G、人工智能等方面展开合...

推动电力智慧基建的必杀技是什么?

电力智慧基建旨在运用新技术手段,提升电力管理效率效益;
发表于 2021-06-26 09:17? 259次阅读
推动电力智慧基建的必杀技是什么?

Google宣布推出一款视觉检测人工智能工具

当地时间6月22日,Google宣布推出一款视觉检测人工智能工具——Visual Inspectio....
发表于 2021-06-25 14:21? 294次阅读
Google宣布推出一款视觉检测人工智能工具

揭秘小米在北京亦庄的“黑灯工厂”里诞生

机器掐住8英寸大小的手机两侧,模拟人手把完整的屏幕反复向内对折。屏幕再度展开的那一刻,画面与触感依旧....
发表于 2021-06-25 11:38? 367次阅读
揭秘小米在北京亦庄的“黑灯工厂”里诞生

移动机器人底盘发展前景分析

随着人工智能技术的发展,我国的服务机器人市场也迎来了爆炸式的增长,服务机器人市场的增长必然带动其相关....
发表于 2021-06-25 10:23? 112次阅读
移动机器人底盘发展前景分析

机器人在安防行业的应用

当前,安防行业的发展,有几个重要问题亟待解决:用工需求充足,但出现严重的用工荒问题;从业者文化素质较....
发表于 2021-06-25 09:56? 98次阅读
机器人在安防行业的应用

鸿蒙系统有什么优点

鸿蒙系统是一款面向未来的系统,一款基于微核的面向全场景分布式操作系统。 那鸿蒙系统为什么这么牛呢: ....
发表于 2021-06-24 18:05? 375次阅读
鸿蒙系统有什么优点

Relativity Space公司宣布推出Te...

近日,Relativity Space公司宣布推出Terran R,这是一款高65米、全3D打印的两....
发表于 2021-06-24 17:30? 208次阅读
Relativity Space公司宣布推出Te...

特斯拉发布最新超级计算机为下一代自动驾驶人工智能...

近日,特斯拉公布了新型超级计算机,就每秒浮点运算(FLOPS)而言,它是世界上排名第五的超级计算机。....
发表于 2021-06-24 11:37? 335次阅读
特斯拉发布最新超级计算机为下一代自动驾驶人工智能...

在人工智能神经网络ADC设计方面各位有什么见解呢?

最近在看人工智能神经网络存算一体这些方面的ADC设计方向,貌似跟一般的ADC方向是一样的,都是希望朝着低功耗高...
发表于 2021-06-24 08:17? 0次阅读
在人工智能神经网络ADC设计方面各位有什么见解呢?

MINIEYE荣获2021最佳汽车解决方案

美国当地时间2021年5月25日,边缘人工智能与视觉联盟 (Edge AI and Vision A....
发表于 2021-06-23 16:00? 194次阅读
MINIEYE荣获2021最佳汽车解决方案

如果我的大数据足够大,是不是我也能创造智能?

人工智能究竟是什么? 机器人能思考吗? 如果我的大数据足够大,是不是我也能创造智能? ...
发表于 2021-06-17 10:10? 0次阅读
如果我的大数据足够大,是不是我也能创造智能?

人工智能未来的突破点究竟在哪里?是电子硬件还是软件呢?

在给定的硅片上能装多少个晶体管? 人工智能未来的突破点究竟在哪里?是电子硬件还是软件呢? ...
发表于 2021-06-17 06:13? 0次阅读
人工智能未来的突破点究竟在哪里?是电子硬件还是软件呢?

恩智浦的无线连接主要体现在哪几个方面?

物联网和人工智能(AI-IoT)已经到来,如何在这场即将到来的大规模市场中取胜? 恩智浦的无线连接主要体现在哪几...
发表于 2021-06-16 08:30? 0次阅读
恩智浦的无线连接主要体现在哪几个方面?

如何用卷积神经网络方法去解决机器监督学习下面的分类问题?

人工智能下面有哪些机器学习分支? 如何用卷积神经网络(CNN)方法去解决机器学习监督学习下面的分类问题? ...
发表于 2021-06-16 08:09? 0次阅读
如何用卷积神经网络方法去解决机器监督学习下面的分类问题?

labview调用深度学习tensorflow模型非常简单,附上源码和模型

labview调用深度学习tensorflow模型非常简单,效果如下, 附上源码和训练过的模型: [hide][/hide] ...
发表于 2021-06-03 16:38? 3264次阅读
labview调用深度学习tensorflow模型非常简单,附上源码和模型

2021第四届人工智能大会-“AI+语音/图像”智能技术线上论坛

发表于 2021-05-14 11:17? 303次阅读
2021第四届人工智能大会-“AI+语音/图像”智能技术线上论坛
她的小梨涡完整版免费阅读