女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

一場軍備競賽:即創造出能夠以更高速度和更低功耗運行深度學習模型的專用硬件

倩倩 ? 來源:lq ? 作者:TechWeb ? 2019-09-24 10:37 ? 次閱讀

隨著社會轉向用人工智能來解決越來越多領域的問題,我們看到了一場軍備競賽:即創造出能夠以更高速度和更低功耗運行深度學習模型的專用硬件。

這場競賽的最新突破包括新的芯片架構,它以一種與我們以前看到的完全不同的方式執行計算。通過觀察它們的功能,我們可以了解到未來幾年可能出現的人工智能應用。

神經形態芯片

神經網絡是深度學習的關鍵,它由成千上萬個小程序組成,這些小程序通過進行簡單的計算來執行復雜的任務,如檢測圖像中的物體或將語音轉換成文本。

但是傳統的計算機并沒有對神經網絡操作進行優化。相反,它們由一個或幾個強大的中央處理器CPU)組成。神經形態計算機使用另一種芯片結構來物理地表示神經網絡。神經形態芯片是由許多物理人工神經元組成的,這些神經元直接與軟件對應。這使得他們在訓練和運行神經網絡方面特別快。

神經形態計算的概念早在20世紀80年代就已經存在,但由于神經網絡的效率太低而被忽略,因此沒有引起太多關注。近年來,隨著人們對深度學習和神經網絡的興趣重燃,神經形態芯片的研究也受到了新的關注。

今年7月,一組中國研究人員推出了一種名為“天啟”的神經形態芯片,它可以解決很多問題,包括目標檢測、導航和語音識別。研究人員將該芯片集成到一輛自動駕駛自行車中,讓它對語音指令做出反應,從而展示了芯片的功能。研究人員在《自然》雜志上發表的一篇論文中指出,預計我們的研究將為更通用的硬件平臺鋪平道路,從而刺激AGI(人工一般智能)的發展。

雖然沒有直接證據表明神經形態芯片是創造人工智能的正確途徑,但它們肯定會幫助創造更高效的人工智能硬件。

神經形態芯片已經吸引了大量科技企業的目光。今年早些時候,英特爾推出Pohoiki Beach,多達64顆英特爾Loihi神經形態芯片,能夠模擬800萬個人工神經元。據英特爾稱,Loihi處理信息的速度比傳統處理器快1000倍,效率比傳統處理器高10000倍。

光學計算

神經網絡和深度學習計算需要大量的計算資源和電力。人工智能的碳足跡已經成為一個環境問題。神經網絡的能源消耗也限制了它們在電力有限的環境中的應用,比如電池供電的設備。

隨著摩爾定律繼續放緩,傳統的電子芯片正努力跟上人工智能行業日益增長的需求。

幾家公司和研究實驗室已轉向光學計算,以尋求解決人工智能行業的速度和電力挑戰的方案。光學計算用光子代替電子,用光學信號代替數字電子來進行計算。

光學計算設備不像銅電纜那樣產生熱量,這大大降低了它們的能源消耗。光學計算機也特別適用于快速矩陣乘法,這是神經網絡中的關鍵運算之一。

在過去的幾個月里,出現了幾款光學人工智能芯片的原型機。總部位于波士頓的Lightelligence開發了一種光學人工智能加速器,該加速器與當前的電子硬件兼容,通過優化一些繁重的神經網絡計算,可以將人工智能模型的性能提高一到兩個數量級。Lightelligence工程師表示,光學計算的進步還將降低人工智能芯片的制造成本。

最近,香港科技大學的一組研究人員開發了一種全光神經網絡。目前,研究人員已經開發了一個概念驗證模型,模擬一個具有16個輸入和2個輸出的完全連接的雙層神經網絡。大規模的光學神經網絡可以以光速和較低的能耗運行從圖像識別到科學研究等計算密集型應用。

超大芯片

今年8月,硅谷初創企業Cerebras Systems推出了一款包含1.2萬億晶體管的大型人工智能芯片。大小為42225平方毫米,Cerebras芯片比最大的英偉達圖形處理器大50多倍。

大型芯片加快了數據處理速度,能夠以更快的速度訓練人工智能模型。與GPU和傳統CPU相比,Cerebras獨特的結構也降低了能耗。

當然,芯片的尺寸將限制其在有限空間的環境下的使用。Cerebras最近與美國能源部簽訂了第一份合同。美國能源部將利用該芯片加速科學、工程和健康領域的深度學習研究。

考慮到各種各樣的行業和領域都在尋找用于深度學習的應用程序,單一架構幾乎不可能主導市場。但可以肯定的是,未來的人工智能芯片很可能與我們電腦和服務器上幾十年來的經典CPU大不相同。

編者注:本文作者Ben Dickson是一名軟件工程師,也是博客TechTalks的創始人。TechTalks探索科技解決和創造問題的方式。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 神經網絡
    +關注

    關注

    42

    文章

    4809

    瀏覽量

    102829
  • 光學
    +關注

    關注

    4

    文章

    785

    瀏覽量

    37000
收藏 人收藏

    評論

    相關推薦
    熱點推薦

    【硬核測評】凌華DAQE雙雄爭霸:工業數據采集界的"速度與激情"實戰解析

    在汽車碰撞測試的驚險瞬間,半導體晶圓的微觀世界,甚至是狂風呼嘯的風力發電場,一場關于數據采集的"軍備競賽"正在上演。凌華科技推出的DAQE-2010與DAQE-2010(G)這對"黃金搭檔",正顛覆性的技術重新定義工業檢測標準
    的頭像 發表于 03-26 15:07 ?267次閱讀
    【硬核測評】凌華DAQE雙雄爭霸:工業數據采集界的&amp;quot;<b class='flag-5'>速度</b>與激情&amp;quot;實戰解析

    文了解LPDDR5X的核心需求和設計

    / 機器學習應用的 HBM。 ?低功耗雙倍數據速率(LPDDR)作為種專門為移動設備(如智能手機和平板電腦)設計的內存出現。 ?LPDDR 的發展主要是由移動設備對更高性能和
    的頭像 發表于 03-04 14:44 ?560次閱讀
    <b class='flag-5'>一</b>文了解LPDDR5X的核心需求和設計

    FPGA+AI王炸組合如何重塑未來世界:看看DeepSeek東方神秘力量如何預測......

    的國產化。 5.未來發展趨勢? 高性能與低功耗并重:未來,FPGA將朝著更高性能、更低功耗的方向發展,滿足AI應用對算力和能效的雙重需求。? 開源
    發表于 03-03 11:21

    2.4GHz+5GHz雙頻低功耗 Wi-Fi 6協同IC -nRF7002

    了突破性的連接性能,幫助開發者創造出更高效、更智能的 AR/VR設備。無論是在高帶寬的AR/VR應用中,還是低功耗的智能設備開發中,nRF7002都能滿足所有需求,助力您的產品快速進入市場,迎接無線通信的新時代。
    發表于 02-26 14:54

    美股四巨頭加大AI投資,軍備競賽升級

    近日,微軟、Meta、谷歌母公司Alphabet及亞馬遜相繼發布了2024年最后個季度的業績報告,并對2025年的業務前景進行了展望。從報告中不難看出,這四家美股科技巨頭在2025年的資本支出計劃均呈現出顯著增長的趨勢,預示著AI領域的軍備競賽將進
    的頭像 發表于 02-08 16:51 ?477次閱讀

    AI模型部署邊緣設備的奇妙之旅:目標檢測模型

    廣泛的應用,然而,在移動端工業領域的實際應用中,對目標檢測算法提出了更為苛刻的要求:需要實現高速度、高精度、小體積、易部署等特性。為應對這挑戰,百度于2021年末發布了篇關于移動端性能卓越的實時
    發表于 12-19 14:33

    pcie在深度學習中的應用

    深度學習模型通常需要大量的數據和強大的計算能力來訓練。傳統的CPU計算資源有限,難以滿足深度學習的需求。因此,GPU(圖形處理單元)和TPU
    的頭像 發表于 11-13 10:39 ?1236次閱讀

    GPU深度學習應用案例

    能力,可以顯著提高圖像識別模型的訓練速度和準確性。例如,在人臉識別、自動駕駛等領域,GPU被廣泛應用于加速深度學習模型的訓練和推理過程。 二
    的頭像 發表于 10-27 11:13 ?1117次閱讀

    FPGA加速深度學習模型的案例

    FPGA(現場可編程門陣列)加速深度學習模型是當前硬件加速領域的個熱門研究方向。以下是些FP
    的頭像 發表于 10-25 09:22 ?1081次閱讀

    AI大模型深度學習的關系

    AI大模型深度學習之間存在著密不可分的關系,它們互為促進,相輔相成。以下是對兩者關系的介紹: 深度
    的頭像 發表于 10-23 15:25 ?2698次閱讀

    用東芝74VHC74FT提升您的下個項目:高速度低功耗的CMOS雙D觸發器

    CMOS雙D型觸發器,專為滿足現代電子系統的需求而設計。 主要特點和優勢 高速運行 74VHC74FT在5V供電時的典型最大時鐘頻率為170 MHz,非常適合用于高速數字電路。它的速度
    的頭像 發表于 10-15 13:25 ?527次閱讀

    FPGA做深度學習能走多遠?

    并行計算的能力,可以在硬件層面并行處理大量數據。這種并行處理能力使得 FPGA 在執行深度學習算法時速度遠超傳統處理器,能夠提供
    發表于 09-27 20:53

    深度學習中的模型權重

    深度學習充滿無限可能性的領域中,模型權重(Weights)作為其核心組成部分,扮演著至關重要的角色。它們不僅是模型
    的頭像 發表于 07-04 11:49 ?3840次閱讀

    深度學習模型訓練過程詳解

    深度學習模型訓練是個復雜且關鍵的過程,它涉及大量的數據、計算資源和精心設計的算法。訓練深度
    的頭像 發表于 07-01 16:13 ?2444次閱讀

    深度學習模型優化與調試方法

    深度學習模型在訓練過程中,往往會遇到各種問題和挑戰,如過擬合、欠擬合、梯度消失或爆炸等。因此,對深度學習
    的頭像 發表于 07-01 11:41 ?1641次閱讀