91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

蘋果更加重視如何在移動設(shè)備商打造機器學習平臺

倩倩 ? 來源:lq ? 作者:東方財富網(wǎng) ? 2019-09-20 10:15 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

9月11日,蘋果在加利福尼亞州庫比蒂諾發(fā)布了三款新的智能手機iPhone11、iPhone11Pro和iPhoneProMax。

可以看出,蘋果更加重視如何在移動設(shè)備商打造機器學習平臺。

相機及圖像處理:

新款iPhone11Pro背面有三個攝像頭,包括長焦鏡頭、廣角鏡頭和超廣角鏡頭。新出的超廣角鏡頭在CameraApp中顯示一個0.5x的按鈕。超廣角鏡頭光圈為f/2.4,視角為120度。

蘋果聲稱,它正在iPhone11的攝像頭中使用機器學習功能來幫助處理圖像,并表示,該芯片的速度允許它在啟用HDR的情況下,以每秒60幀的速度拍攝4K視頻。

為做到這一點,蘋果正在使用一種名為“深度融合”(DeepFusion)的技術(shù),將所有三個鏡頭的圖像結(jié)合起來,并在后臺中運行神經(jīng)網(wǎng)絡(luò),以像素級別拼接圖像,從而在不犧牲圖像質(zhì)量的情況下保持一致性。

QuickTake是一項新出的視頻錄制功能,通過長按相機快門,可以更輕松地拍攝視頻。拍攝的視頻質(zhì)量為4K,60fps,以及慢動作、延遲并擴大動態(tài)范圍。

iPhone11的前置鏡頭已經(jīng)升級到1200萬像素,支持廣角自拍。你還可以拍攝60fps的4K視頻,以及慢動作視頻。

如果一臺設(shè)備允許一次拍攝兩段4K視頻,同時電池續(xù)航時間可達5個小時,那就是一個重大升級。

高性能A13仿生芯片:

iPhone11采用了蘋果新推出的A13仿生芯片,蘋果標榜該芯片是該公司有史以來速度最快的處理器。至于電池續(xù)航方面,iPhone11的續(xù)航時間比iPhoneXS長一個小時。

“我們在整個iPhone中使用機器學習。”在解釋A13仿生芯片的機器學習和低功耗設(shè)計如何使其成為智能手機中速度最快的芯片時,SriSanthanam如此說。

CPUGPU和神經(jīng)引擎都經(jīng)過優(yōu)化,可運行不同的機器學習工作負載,而A13仿生芯片使機器學習操作更快。

總體而言,A13的CPU具有每秒1萬億次運算的能力。

它配有一個機器學習控制器,允許機器學習模型在CPU、GPU和神經(jīng)引擎之間進行調(diào)度。它可用于設(shè)備上的自然語言處理,圖片和視頻中的圖像分類,增強現(xiàn)實應用中的角色動畫等等

A13仿生芯片還配備了蘋果設(shè)計的64位ARMv8.3-A六核CPU,其中,有兩個高性能內(nèi)核,運行頻率為2.65GHz,稱為Lightning;四個節(jié)能內(nèi)核,稱為Thunder。

兩個高性能內(nèi)核的速度提高了20%,功耗降低了30%;四個高效內(nèi)核的速度提高了20%,功耗降低了40%。

盡管內(nèi)置了創(chuàng)紀錄的85億個晶體管,整體性能也提升了大約20%,但這種效率提升還是存在的。

CoreML 3:

今年早些時候,在WWDC大會上,蘋果宣布了一些優(yōu)秀的機器學習更新,并演示了開發(fā)者如何從定制中獲益。

當時,蘋果為機器學習社區(qū)發(fā)布了CoreML3和其他讓人興奮的工具升級。CoreML構(gòu)成了特定領(lǐng)域的框架和功能的基礎(chǔ)。CoreML支持視覺圖像分析、自然語言處理。此框架可與CreateML一起使用,來訓練和部署自定義自然語言處理模型。

然而,有了CreateML,開發(fā)者就可以構(gòu)建對象檢測、活動和聲音分類的模型,并提供建議。利用詞嵌入和遷移學習進行文本分類。

隨著CoreML現(xiàn)在支持100多個模型層,蘋果的機器學習團隊相信,應用程序現(xiàn)在就可以使用最先進的模型來提供前所未有的對視覺的深刻理解以及自然語言和語音處理的體驗。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 芯片
    +關(guān)注

    關(guān)注

    463

    文章

    54304

    瀏覽量

    468404
  • iPhone
    +關(guān)注

    關(guān)注

    28

    文章

    13524

    瀏覽量

    216802
  • 機器學習
    +關(guān)注

    關(guān)注

    67

    文章

    8560

    瀏覽量

    137158
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    移動電源UL測試報告是什么?

    隨著移動電源產(chǎn)品在全球市場的廣泛應用,產(chǎn)品安全和質(zhì)量問題越來越受到重視。特別是在進入美國市場時,很多采購平臺會要求提供 UL Solutions 出具的測試報告或符合相關(guān)UL安全標
    的頭像 發(fā)表于 03-06 16:11 ?233次閱讀
    <b class='flag-5'>移動</b>電源UL測試報告是什么?

    FM發(fā)射機測量中的預加重與去加重

    加重與去加重是FM廣播系統(tǒng)“發(fā)射-傳輸-接收”鏈路中互補的重要環(huán)節(jié),其核心意義在于針對性解決FM調(diào)制的高頻噪聲痛點,實現(xiàn)音質(zhì)與頻段利用率的雙重優(yōu)化。在FM發(fā)射機的測量工作中,合理匹配預加重與去
    的頭像 發(fā)表于 02-27 15:23 ?254次閱讀
    FM發(fā)射機測量中的預<b class='flag-5'>加重</b>與去<b class='flag-5'>加重</b>

    FM發(fā)射機測量中的預加重與去加重

    在FM廣播發(fā)射機的性能檢測與運維校準中,預加重與去加重的匹配設(shè)置是保障音頻傳輸保真度、提升高頻信噪比的重要技術(shù)環(huán)節(jié),為該領(lǐng)域常規(guī)操作流程之一。這一設(shè)計的誕生,源于FM調(diào)制的固有噪聲特性—— FM廣播
    的頭像 發(fā)表于 02-24 15:09 ?205次閱讀
    FM發(fā)射機測量中的預<b class='flag-5'>加重</b>與去<b class='flag-5'>加重</b>

    何在NVIDIA Jetson平臺上運行最新的開源AI模型

    在小型、低功耗的邊緣設(shè)備上運行先進的 AI 和計算機視覺工作流正變得越來越具有挑戰(zhàn)性。機器人、智能攝像頭和自主設(shè)備需要實時智能來感知、理解并做出反應,而無需依賴云端。NVIDIA Jetson
    的頭像 發(fā)表于 12-24 10:38 ?1790次閱讀
    如<b class='flag-5'>何在</b>NVIDIA Jetson<b class='flag-5'>平臺</b>上運行最新的開源AI模型

    何在NVIDIA Jetson Thor上提升機器人感知效率

    構(gòu)建自主機器人需要具備可靠且低延遲的視覺感知能力,以實現(xiàn)在動態(tài)環(huán)境中的深度估計、障礙物識別、定位與導航。這些功能對計算性能有較高要求。NVIDIA Jetson 平臺雖為深度學習提供了強大的 GPU
    的頭像 發(fā)表于 12-24 10:14 ?4552次閱讀
    如<b class='flag-5'>何在</b>NVIDIA Jetson Thor上提升<b class='flag-5'>機器</b>人感知效率

    復合機器人對比傳統(tǒng)AGV和機械臂的優(yōu)勢何在?

    復合機器人對比傳統(tǒng)AGV和機械臂的優(yōu)勢,核心在于它突破了單一設(shè)備的功能局限,實現(xiàn)了“移動+操作”的深度協(xié)同,尤其在上下料和物料轉(zhuǎn)運場景中優(yōu)勢顯著。經(jīng)世智能復合機器人:重新定義上下料與物
    的頭像 發(fā)表于 11-21 15:32 ?1743次閱讀
    復合<b class='flag-5'>機器</b>人對比傳統(tǒng)AGV和機械臂的優(yōu)勢<b class='flag-5'>何在</b>?

    API接口開放平臺的生態(tài)構(gòu)建與運營策略

    和業(yè)務(wù)增長。然而,平臺的長期成功依賴于健全的生態(tài)系統(tǒng)構(gòu)建和高效的運營策略。本文將從技術(shù)角度出發(fā),逐步解析如何打造一個可持續(xù)的電API開放平臺生態(tài),并分享實用的運營方法。 一、生態(tài)構(gòu)建
    的頭像 發(fā)表于 10-28 16:40 ?968次閱讀
    電<b class='flag-5'>商</b>API接口開放<b class='flag-5'>平臺</b>的生態(tài)構(gòu)建與運營策略

    Meta重磅入局人形機器人,目標打造機器人界的安卓系統(tǒng)”

    在人工智能與虛擬現(xiàn)實領(lǐng)域深耕多年的Meta,正式將目光投向了人形機器人這一新興賽道。與特斯拉、波士頓動力等公司聚焦硬件研發(fā)不同,Meta選擇了一條差異化路徑:不做硬件制造,而是打造開放的軟件
    的頭像 發(fā)表于 09-28 17:37 ?725次閱讀

    何在機器視覺中部署深度學習神經(jīng)網(wǎng)絡(luò)

    人士而言往往難以理解,人們也常常誤以為需要扎實的編程技能才能真正掌握并合理使用這項技術(shù)。事實上,這種印象忽視了該技術(shù)為機器視覺(乃至生產(chǎn)自動化)帶來的潛力,因為深度學習并非只屬于計算機科學家或程序員。 從頭開始:什么
    的頭像 發(fā)表于 09-10 17:38 ?1004次閱讀
    如<b class='flag-5'>何在</b><b class='flag-5'>機器</b>視覺中部署深度<b class='flag-5'>學習</b>神經(jīng)網(wǎng)絡(luò)

    黑芝麻智能AI全棧機器人計算平臺榮膺國際大獎

    黑芝麻智能AI全棧機器人計算平臺榮膺新加坡年度"GO! Technology Utilisation Winner",作為面向新一代機器人實時AI推理打造的全棧計算
    的頭像 發(fā)表于 08-07 17:35 ?2322次閱讀

    FPGA在機器學習中的具體應用

    隨著機器學習和人工智能技術(shù)的迅猛發(fā)展,傳統(tǒng)的中央處理單元(CPU)和圖形處理單元(GPU)已經(jīng)無法滿足高效處理大規(guī)模數(shù)據(jù)和復雜模型的需求。FPGA(現(xiàn)場可編程門陣列)作為一種靈活且高效的硬件加速平臺
    的頭像 發(fā)表于 07-16 15:34 ?3032次閱讀

    鐳神智能機器人英文官網(wǎng)正式上線:打造全球領(lǐng)先的3D SLAM無人叉車及智能制造物流解決方案平臺

    系列、激光雷達和域控制器等軟硬件自研核心技術(shù)及智能制造與智慧物流無人化系統(tǒng)解決方案,打造專業(yè)、系統(tǒng)、可信賴的海外溝通平臺。此次英文官網(wǎng)上線,標志著鐳神智能機器人在品牌
    的頭像 發(fā)表于 06-26 18:52 ?1070次閱讀
    鐳神智能<b class='flag-5'>機器</b>人英文官網(wǎng)正式上線:<b class='flag-5'>打造</b>全球領(lǐng)先的3D SLAM無人叉車及智能制造物流解決方案<b class='flag-5'>平臺</b>

    輪式移動機器人電機驅(qū)動系統(tǒng)的研究與開發(fā)

    【摘 要】以嵌入式運動控制體系為基礎(chǔ),以移動機器人為研究對象,結(jié)合三輪結(jié)構(gòu)輪式移動機器人,對二輪差速驅(qū)動轉(zhuǎn)向自主移動機器人運動學和動力學空間模型進行了分析和計算,研究和設(shè)計了自主移動機器
    發(fā)表于 06-11 14:30

    盤點#機器人開發(fā)平臺

    Athena機器人****開發(fā)平臺思嵐推出Athena機器人開發(fā)平臺,有望主導機器人開發(fā)平臺未來
    發(fā)表于 05-13 15:02

    面向AI與機器學習應用的開發(fā)平臺 AMD/Xilinx Versal? AI Edge VEK280

    AMD/Xilinx Versal? AI Edge VEK280評估套件是一款面向AI與機器學習應用的開發(fā)平臺,專為邊緣計算場景優(yōu)化設(shè)計。以下從核心配置、技術(shù)特性、應用場景及開發(fā)支持等方面進行詳細
    的頭像 發(fā)表于 04-11 18:33 ?2724次閱讀
    面向AI與<b class='flag-5'>機器</b><b class='flag-5'>學習</b>應用的開發(fā)<b class='flag-5'>平臺</b> AMD/Xilinx Versal? AI Edge VEK280