GPU工作原理 如何提高集成GPU的工作頻率

圖形處理器 （GPU） 是專用于圖形處理運(yùn)算的處理器。GPU 的主要功能之一是減輕中央處理器 （CPU） 上的負(fù)載，特別是在運(yùn)行圖形密集型游戲或應(yīng)用程序...

2023-03-19 標(biāo)簽：gpu圖形處理器 2.7k 0

如何確定語言模型應(yīng)該有多大？

GPT-2 在此等體量的數(shù)據(jù)集上表現(xiàn)不佳。隨著訓(xùn)練的進(jìn)行，我們來觀察計(jì)算成本 (通過浮點(diǎn)運(yùn)算數(shù)來衡量) 與模型性能 (通過驗(yàn)證集上的損失來衡量) 的聯(lián)動(dòng)關(guān)系。

2023-03-17 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)gpu深度學(xué)習(xí) 805 0

自動(dòng)駕駛主流芯片：GPU、FPGA、ASIC

當(dāng)前主流的AI芯片主要分為三類，GPU、FPGA、ASIC。GPU、FPGA均是前期較為成熟的芯片架構(gòu)，屬于通用型芯片。ASIC屬于為AI特定場(chǎng)景定制的...

2023-03-17 標(biāo)簽：asiccpugpu 3k 0

用于動(dòng)態(tài)地面投影的評(píng)估模塊和軟件工具入門

隨著DLP3021-Q1數(shù)字微鏡器件(DMD)的推出，TI進(jìn)一步推動(dòng)了標(biāo)識(shí)投影的發(fā)展，該器件能通過拇指大小的模塊完全投影紅綠藍(lán)(RGB)格式的視頻。內(nèi)部...

2023-03-17 標(biāo)簽：寄存器gpuDMD 1.2k 0

如何使用FPGA加速深度學(xué)習(xí)計(jì)算？

當(dāng)今的深度學(xué)習(xí)應(yīng)用如此廣泛，它們能夠?yàn)獒t(yī)療保健、金融、交通、軍事等各行各業(yè)提供支持，但是大規(guī)模的深度學(xué)習(xí)計(jì)算對(duì)于傳統(tǒng)的中央處理器（CPU）和圖形處理器（...

2023-03-09 標(biāo)簽：fpga加速器gpu 3.6k 1

詳解AMD RDNA2 GPU架構(gòu)設(shè)計(jì)方案

與 RDNA 1 相比，前三個(gè)緩存級(jí)別的性能提升較小，主要來自時(shí)鐘速度的提高。然后 Infinity Cache 在更大的測(cè)試規(guī)模上產(chǎn)生巨大影響。

2023-03-08 標(biāo)簽：amdgpuVRAM 2.9k 0

一文詳解CPU渲染和GPU渲染之間的優(yōu)劣

CPU 渲染利用計(jì)算機(jī)的 CPU 來執(zhí)行場(chǎng)景并將其渲染到接近完美。這也是執(zhí)行渲染的更傳統(tǒng)方式。然而，隨著 GPU 的出現(xiàn)，基于 GPU 的渲染獲得了很大的普及。

2023-03-08 標(biāo)簽：cpugpu隨機(jī)存取存儲(chǔ)器 3.9k 0

如何打造中國版的ChatGPT

從中長期來看，ChatGPT的火爆以及中國版ChatGPT的陸續(xù)推出，對(duì)通用GPU有著巨大的需求。

2023-03-03 標(biāo)簽：gpu服務(wù)器ChatGPT 896 0

EUV光刻工藝制造技術(shù)主要有哪些難題？

光掩?？梢员徽J(rèn)為是芯片的模板。光掩模用電子束圖案化并放置在光刻工具內(nèi)。然后，光掩模可以吸收或散射光子，或允許它們穿過晶圓。這就是在晶圓上創(chuàng)建圖案的原因。

2023-03-03 標(biāo)簽：gpu晶體管光刻機(jī) 3.4k 0

如何讓Transformer在征程5上跑得既快又好？以SwinT部署為例的優(yōu)化探索

摘要：SwinT是目前視覺transformer模型中的典型代表，在常見視覺任務(wù)，如分類、檢測(cè)、分割都有非常出色的表現(xiàn)。雖然在相同計(jì)算量的模型指標(biāo)上，S...

2023-03-03 標(biāo)簽：gpu模型Transformer 1.6k 0

如何測(cè)算ChatGPT算力需求？

互聯(lián)網(wǎng)廠商布局ChatGPT類似產(chǎn)品，或?qū)⒓哟蠛诵某鞘蠭DC算力供給缺口。據(jù)艾瑞咨詢，2021年國內(nèi)IDC行業(yè)下游客戶占比中，互聯(lián)網(wǎng)廠商居首位，占比為60%。

2023-03-02 標(biāo)簽：gpu算力芯片算力 3.1k 0

未來的高性能FPGA是否會(huì)優(yōu)于GPU？

神經(jīng)網(wǎng)絡(luò)計(jì)算會(huì)通過網(wǎng)絡(luò)中的每個(gè)層。對(duì)于給定層，每個(gè)神經(jīng)元的值通過相乘和累加上一層的神經(jīng)元值和邊權(quán)重來計(jì)算。計(jì)算非常依賴于多重累積運(yùn)算。DNN計(jì)算包括正向...

2023-02-28 標(biāo)簽：fpga神經(jīng)網(wǎng)絡(luò)gpu 939 0

基于數(shù)字存內(nèi)處理芯片的GPU的大規(guī)模計(jì)算系統(tǒng)

PIM 是指將計(jì)算單元與隨機(jī)存取存儲(chǔ)器 (DRAM) 集成在單個(gè)芯片上。這項(xiàng)技術(shù)有望有助于提高龐大的人工智能 (AI) 的性能。

2023-02-28 標(biāo)簽：gpu存算一體 942 0

FPGA與主流芯片（CPU、GPU、ASIC）的對(duì)比

大量的數(shù)據(jù)要經(jīng)過更多的測(cè)試，然后被送到掩膜車間和制造實(shí)際集成電路的工廠。這個(gè)過程可以制造出相當(dāng)接近底層芯片工藝的潛在最大密度、速度和能效的集成電路。

2023-02-24 標(biāo)簽：fpga集成電路asic 6.7k 0

硅基光子芯片在神經(jīng)形態(tài)計(jì)算的應(yīng)用

近年來，基于傳統(tǒng)計(jì)算機(jī)的神經(jīng)網(wǎng)絡(luò)計(jì)算受到內(nèi)存限制，已經(jīng)不能滿足計(jì)算速度和能耗的需求。在電子硬件領(lǐng)域，研究人員持續(xù)地進(jìn)行更深入、更復(fù)雜的神經(jīng)網(wǎng)絡(luò)架構(gòu)的研究...

2023-02-23 標(biāo)簽：CMOS存儲(chǔ)器神經(jīng)網(wǎng)絡(luò) 4.6k 0

AMD RDNA2 GPU架構(gòu)詳解

每個(gè) SIMD 都有 32 個(gè)寬度的執(zhí)行單元用于最常見的操作，一個(gè) 128 KB 的矢量寄存器文件，并且可以跟蹤多達(dá) 16 個(gè)波面。因此，AMD 減少了...

2023-02-23 標(biāo)簽：amdgpu光線追蹤 5.5k 0

AMD RDNA2 GPU架構(gòu)擴(kuò)展技術(shù)詳解

RDNA 2 建立在 RDNA 1 架構(gòu)之上。AMD 進(jìn)行了多項(xiàng)更改以提高效率并使硬件功能保持最新狀態(tài)，但基本的 WGP 架構(gòu)仍然存在。

2023-02-23 標(biāo)簽：cpugpu光線追蹤 4.7k 0