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(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

基于神經(jīng)網(wǎng)絡(luò)的AI應(yīng)用正在多個(gè)細(xì)分市場(chǎng)不斷擴(kuò)大

Dbwd_Imgtec ? 來源:xx ? 2018-12-22 14:35 ? 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

GPU和NNA(神經(jīng)網(wǎng)絡(luò)加速器)正在迅速成為AI應(yīng)用的關(guān)鍵要素。隨著不同企業(yè)開始挖掘神經(jīng)網(wǎng)絡(luò)在各種任務(wù)(比如自然語言處理、圖片分類)中的潛力,集成人工智能元素的產(chǎn)品數(shù)量正在穩(wěn)步的增長(zhǎng)。與此同時(shí),對(duì)于這些任務(wù)的處理也正在從傳統(tǒng)的云端架構(gòu)轉(zhuǎn)移到設(shè)備本身上來,嵌入式芯片中集成了專用的神經(jīng)網(wǎng)絡(luò)加速器,可支持本地化AI處理。例如先進(jìn)的駕駛輔助系統(tǒng)(ADAS)能夠?qū)崟r(shí)監(jiān)控前方道路,還有集成語音識(shí)別類功能的消費(fèi)電子產(chǎn)品,比如虛擬助理。基于神經(jīng)網(wǎng)絡(luò)的AI應(yīng)用正在多個(gè)細(xì)分市場(chǎng)不斷擴(kuò)大。

Imagination公司的業(yè)務(wù)是為芯片設(shè)計(jì)提供必要的內(nèi)核組件,我們?cè)谇度胧綀D形處理器(GPU)和神經(jīng)網(wǎng)絡(luò)加速器(NNA)技術(shù)方面聞名,我們將這些技術(shù)授權(quán)給世界領(lǐng)先的芯片供應(yīng)商。他們的產(chǎn)品被廣泛應(yīng)用在多個(gè)產(chǎn)品和服務(wù)中,因此Imagination在市場(chǎng)上占有著獨(dú)特的位置,我們使得整個(gè)生態(tài)系統(tǒng)都能夠參與到AI的發(fā)展中來。

不可否認(rèn),AI在很多應(yīng)用中都是至關(guān)重要的,但是也有很多的挑戰(zhàn)。其中之一就是協(xié)調(diào)好終端設(shè)備和云服務(wù)器之間的處理負(fù)載,將AI處理操作放在最佳的位置來完成。例如在消費(fèi)者終端設(shè)備上進(jìn)行本地化AI語音識(shí)別;對(duì)于“喚醒”指令或其他簡(jiǎn)單指令,因?yàn)楸镜卦O(shè)備無法存儲(chǔ)龐大的知識(shí)數(shù)據(jù)庫,要利用這些數(shù)據(jù)就必須在云服務(wù)器中實(shí)現(xiàn)很大一部分AI處理操作。目前的情況是很多市場(chǎng)上銷售的產(chǎn)品都帶有AI功能,但實(shí)際上它們只是在本地進(jìn)行簡(jiǎn)單的模式匹配和識(shí)別,然后依賴云服務(wù)器完成進(jìn)一步的AI處理。

這種情況將會(huì)逐漸改變,隨著芯片工藝技術(shù)變得更加普遍,嵌入式神經(jīng)網(wǎng)絡(luò)加速器(NNA)將會(huì)變得幾乎和CPU一樣無處不在,這為在終端設(shè)備中提高人工智能處理能力創(chuàng)造了機(jī)會(huì)。例如我們希望看到智能安防攝像頭能夠熟練的監(jiān)控特定事件,不再局限于簡(jiǎn)單的錄像,使用終端設(shè)備AI功能來處理識(shí)別視野內(nèi)的一些特征,比如道路上的車輛或人群中的面孔。這也會(huì)衍生一些其他功能,比如確定車輛的制造商和型號(hào)、或者是某些人獲得授權(quán)。輸入結(jié)果可能不是可識(shí)別的視頻內(nèi)容,可能只是描述這些結(jié)果的原始數(shù)據(jù)。將人工智能嵌入到安防攝像頭中甚至可以減少不靠譜情況的發(fā)生從而降低成本,因?yàn)閿z像頭內(nèi)的AI功能可以識(shí)別正常行為與可疑行為之間的區(qū)別。

雖然人工智能的應(yīng)用數(shù)量在不斷增加,但這并不意味著集成神經(jīng)網(wǎng)特性的單個(gè)SoC是所有應(yīng)用場(chǎng)景的發(fā)展方向。如果我們考慮讓人工智能涉及大部分細(xì)分市場(chǎng),由于使用該技術(shù)的產(chǎn)品在加工要求上有很大的不同,自然會(huì)出現(xiàn)多樣化。分散的市場(chǎng)很難與通用的應(yīng)用處理器一起結(jié)合使用,例如那些集成了NNA器件和GPU的處理器,事實(shí)上,“一刀切”的方式并不總是適用的。

雖然一些市場(chǎng)為SoC供應(yīng)商提供了大量的機(jī)會(huì),比如智能手機(jī)、汽車ADAS等,但是許多以使用AI為目標(biāo)的市場(chǎng)需求量并不是很大。值得注意的是,一些產(chǎn)品可能需要人工智能來進(jìn)行語音處理或圖像識(shí)別,但并非兩者都需要:智能照明系統(tǒng)供應(yīng)商不太可能使用最初為智能手機(jī)而設(shè)計(jì)的SoC,僅僅是為了將人工智能引入到其應(yīng)用中,這并不符合成本效益。解決這個(gè)問題的方法是創(chuàng)建專門的人工智能芯片,與主應(yīng)用處理器一起作為配套芯片使用,這些器件可以承擔(dān)原來由主應(yīng)用處理器上的NNA核心來處理的AI任務(wù),這具有明顯的優(yōu)勢(shì):SoC供應(yīng)商可以提供一系列具有不同性能水平的終端AI器件;此外,OEM廠商還可以根據(jù)他們的期望在特定應(yīng)用中處理AI任務(wù),提供多個(gè)選項(xiàng)來適當(dāng)?shù)臄U(kuò)展或縮減產(chǎn)品解決方案。

那么人工智能市場(chǎng)將走向何方?2019年,我預(yù)計(jì)人們對(duì)人工智能的興趣和需求都將繼續(xù)增長(zhǎng),事實(shí)上,支撐這一目標(biāo)的技術(shù)不斷變得成熟。相反,幾乎可以肯定的是,人們會(huì)意識(shí)到人工智能并不是解決所有問題的答案,炒作現(xiàn)象可能會(huì)有所減弱,許多公司也會(huì)轉(zhuǎn)移注意力。他們將會(huì)利用人工智能的潛力來增強(qiáng)系統(tǒng)的能力,但是人工智能未必是這些系統(tǒng)的運(yùn)行核心。

更進(jìn)一步說,真正的人工智能——機(jī)器擁有意識(shí),能夠基于認(rèn)知推理作出決策——這還需要10年或更長(zhǎng)的時(shí)間。這意味著云互連在未來很多年都將至關(guān)重要,它不僅能提供必要的大規(guī)模并行計(jì)算資源(可能是通過量子機(jī)器),還能提供巨大的數(shù)據(jù)存儲(chǔ),人工智能依靠這些數(shù)據(jù)來理解周圍的世界。更高帶寬的通信技術(shù)有望在2019年問世,尤其是5G和802.11ax標(biāo)準(zhǔn),因此相信云AI架構(gòu)和互連帶寬都將相應(yīng)擴(kuò)大。

PowerVR Series2NX架構(gòu)

對(duì)于真正處于前沿的人工智能,我們需要構(gòu)想出創(chuàng)新的方法來提高晶體管在硅片上的封裝密度,同時(shí)使其既具有通過學(xué)習(xí)獲得知識(shí)的能力又具備所需的推理技能,從而設(shè)計(jì)全新的SoC器件。

Imagination公司希望為芯片供應(yīng)商提供關(guān)鍵的核心技術(shù),從而構(gòu)建世界領(lǐng)先的人工智能解決方案。PowerVR GPU提供了高性能的GPU計(jì)算能力,用于處理AI中的可視化操作,比如圖像識(shí)別和排序、手勢(shì)識(shí)別驅(qū)動(dòng)接口以及實(shí)時(shí)視頻分析等。PowerVR NNA(神經(jīng)網(wǎng)絡(luò)加速器)是任何前沿人工智能解決方案的核心,為高級(jí)推理和邊緣數(shù)據(jù)處理提供必要的硬件加速。我們的GPU和NNA能夠?yàn)楦咝阅艿腁I處理提供一切必要的技術(shù)并使硅芯片獲得優(yōu)勢(shì)。

人工智能的未來正在變得清晰…但是當(dāng)它完成某些任務(wù)花費(fèi)的時(shí)間比我們預(yù)期的時(shí)間要長(zhǎng)時(shí)大家不要感到驚訝。

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(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4838

    瀏覽量

    107780
  • AI
    AI
    +關(guān)注

    關(guān)注

    91

    文章

    39793

    瀏覽量

    301429

原文標(biāo)題:嵌入式芯片要如何應(yīng)對(duì)真正的AI本地化處理的挑戰(zhàn)?

文章出處:【微信號(hào):Imgtec,微信公眾號(hào):Imagination Tech】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

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(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    內(nèi)置USB聲卡AI神經(jīng)網(wǎng)絡(luò)算法降噪消回音模組A-59U#AI神經(jīng)網(wǎng)絡(luò)#回聲消除#智能降噪

    神經(jīng)網(wǎng)絡(luò)
    深圳市聲訊電子有限公司
    發(fā)布于 :2025年12月24日 17:09:37

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?330次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及在MCU200T上仿真測(cè)試

    數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時(shí)的梯度耗散問題。當(dāng)x&gt;0 時(shí),梯度恒為1,無梯度耗散問題,收斂快;當(dāng)x&lt;0 時(shí),該層的輸出為0。 CNN
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

    NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫分為多個(gè)功能,每個(gè)功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于一個(gè)文件,并在 Verilog 代碼中通過 readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1224次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    【「AI芯片:科技探索與AGI愿景」閱讀體驗(yàn)】+神經(jīng)形態(tài)計(jì)算、類腦芯片

    奇妙的突觸結(jié)構(gòu),有多個(gè)分支,承載著多個(gè)突觸群,使復(fù)雜網(wǎng)絡(luò)的通信和處理成為可能。 不同的神經(jīng)網(wǎng)絡(luò) 五、自選波類腦芯片 書里的內(nèi)容越來越燒腦了, 需要
    發(fā)表于 09-17 16:43

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
    的頭像 發(fā)表于 09-17 13:31 ?1129次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過對(duì)無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡(jiǎn)單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡(jiǎn)單、快速
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過python程序?qū)xt文件轉(zhuǎn)化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1215次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

    AI神經(jīng)網(wǎng)絡(luò)降噪算法在語音通話產(chǎn)品中的應(yīng)用優(yōu)勢(shì)與前景分析

    的語音保真度以及更低的延遲,能夠有效應(yīng)對(duì)復(fù)雜噪聲場(chǎng)景。本文將探討AI神經(jīng)網(wǎng)絡(luò)降噪在語音通話產(chǎn)品中的核心優(yōu)勢(shì),并分析其未來發(fā)展趨勢(shì)和市場(chǎng)前景
    的頭像 發(fā)表于 05-16 17:07 ?1514次閱讀
    <b class='flag-5'>AI</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>降噪算法在語音通話產(chǎn)品中的應(yīng)用優(yōu)勢(shì)與前景分析

    NVIDIA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能

    發(fā)者能使用 NVIDIA GeForce RTX GPU 中的 AI Tensor Cores,在游戲的圖形渲染管線內(nèi)加速神經(jīng)網(wǎng)絡(luò)渲染。
    的頭像 發(fā)表于 04-07 11:33 ?1182次閱讀