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

神經網絡處理的創新推動 AI 芯片的新技術要求

lhl545545 ? 來源:與非網 ? 作者:與非網 ? 2020-08-28 15:16 ? 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

加州山景城 2020 年 8 月 4 日 / 美通社 / -- 新思科技(Synopsys, Inc.,納斯達克股票代碼:SNPS)今天宣布,Tenstorrent 通過采用新思科技的 DesignWare?PCI Express (PCIe) 4.0 控制器與 PHY、ARC? HS48 處理器和 LPDDR4 控制器 IP,一次性完成其 Graysull AI 處理器芯片的硅晶設計。利用經過硅驗證的 DesignWare IP 產品組合,Tenstorrent 能夠快速滿足其用于高性能計算應用的動態 AI 處理器芯片的關鍵實時連接和特殊處理要求。Tenstorrent 還與新思科技的專家技術支持團隊合作,簡化 IP 核集成并顯著加快設計進度。

Grayskull 提供了差異化功能,包括細粒度條件計算、面積和功耗優化的矩陣計算引擎、定制片上網絡(NoC)和動態數據壓縮。由于成功完成了 Grayskull 芯片的硅晶設計,Tenstorrent 計劃與新思科技合作開發新一代 AI 處理器芯片,主要面向數據中心、公共 / 私有云服務器、本地部署服務器、邊緣服務器和汽車等市場。

Tenstorrent 工程副總裁 Drago Ignjatovic 表示:“Tenstorrent 的 Grayskull AI 處理器芯片需要一系列高性能 IP,以滿足訓練和推理模型的大量計算需求。新思科技在半導體 IP 行業經驗豐富,積累了許多成功,因此我們相信能夠將 DesignWare PCIe 4.0 控制器與 PHY、ARC HS48 處理器和 LPDDR4 IP 快速集成到我們的 AI 處理器芯片中。此外,憑借新思科技的技術支持團隊的支持和高質量的成熟 DesignWare IP 產品,我們的設計人員得以專注于他們的核心能力,并迅速一次性完成硅晶設計。”

PCI Express 4.0 控制器與 PHY IP 提供所需的 16GT/s 數據速率和 x16 鏈接寬度,同時允許在工藝、電壓和溫度 (PVT)變化中出現超過 36dB 的信道損耗,從而實現高吞吐量和低延遲連接。DesignWare ARC HS48 處理器的四核配置在有限的面積和功耗預算內提供高處理性能。為了實現更高效的節能,新思科技的 LPDDR4 控制器 IP 以 4267 Mbps 的傳輸速率運行,提供低功耗狀態的自動進入和退出。其先進的可靠性、可用性和可維護性(RAS)功能,包括帶地址保護的內聯糾錯碼,還可減少系統停機時間。

新思科技半導體 IP 事業部營銷與戰略高級副總裁 John Koeter 表示:“用于高性能計算應用的機器學習算法神經網絡處理的創新,正在推動 AI 芯片的新技術要求。新思科技致力于為 Tenstorrent 公司等客戶提供全面的 IP 產品組合,滿足云端、物聯網、移動和汽車設計領域的 AI 芯片的性能、延遲、內存和連接要求,同時加快其開發時間。”
責任編輯:pj

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
  • 服務器
    +關注

    關注

    13

    文章

    9797

    瀏覽量

    88020
  • AI
    AI
    +關注

    關注

    88

    文章

    35182

    瀏覽量

    280204
  • 處理器芯片
    +關注

    關注

    0

    文章

    119

    瀏覽量

    20096
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

    相關推薦
    熱點推薦

    AI神經網絡降噪算法在語音通話產品中的應用優勢與前景分析

    隨著人工智能技術的快速發展,AI神經網絡降噪算法在語音通話產品中的應用正逐步取代傳統降噪技術,成為提升語音質量的關鍵解決方案。相比傳統DSP(數字信號
    的頭像 發表于 05-16 17:07 ?447次閱讀
    <b class='flag-5'>AI</b><b class='flag-5'>神經網絡</b>降噪算法在語音通話產品中的應用優勢與前景分析

    NVIDIA實現神經網絡渲染技術的突破性增強功能

    近日,NVIDIA 宣布了 NVIDIA RTX 神經網絡渲染技術的突破性增強功能。NVIDIA 與微軟合作,將在 4 月的 Microsoft DirectX 預覽版中增加神經網絡著色技術
    的頭像 發表于 04-07 11:33 ?451次閱讀

    BP神經網絡與卷積神經網絡的比較

    BP神經網絡與卷積神經網絡在多個方面存在顯著差異,以下是對兩者的比較: 一、結構特點 BP神經網絡 : BP神經網絡是一種多層的前饋神經網絡
    的頭像 發表于 02-12 15:53 ?676次閱讀

    BP神經網絡與深度學習的關系

    ),是一種多層前饋神經網絡,它通過反向傳播算法進行訓練。BP神經網絡由輸入層、一個或多個隱藏層和輸出層組成,通過逐層遞減的方式調整網絡權重,目的是最小化網絡的輸出誤差。 二、深度學習的
    的頭像 發表于 02-12 15:15 ?868次閱讀

    BP神經網絡的基本原理

    輸入層、隱藏層和輸出層組成。其中,輸入層負責接收外部輸入數據,這些數據隨后被傳遞到隱藏層。隱藏層是BP神經網絡的核心部分,它可以通過一層或多層神經元對輸入數據進行加權求和,并通過非線性激活函數(如ReLU、sigmoid或tanh)進行
    的頭像 發表于 02-12 15:13 ?870次閱讀

    人工神經網絡的原理和多種神經網絡架構方法

    在上一篇文章中,我們介紹了傳統機器學習的基礎知識和多種算法。在本文中,我們會介紹人工神經網絡的原理和多種神經網絡架構方法,供各位老師選擇。 01 人工神經網絡 ? 人工神經網絡模型之所
    的頭像 發表于 01-09 10:24 ?1215次閱讀
    人工<b class='flag-5'>神經網絡</b>的原理和多種<b class='flag-5'>神經網絡</b>架構方法

    卷積神經網絡在自然語言處理中的應用

    自然語言處理是人工智能領域的一個重要分支,它致力于使計算機能夠理解、解釋和生成人類語言。隨著深度學習技術的發展,卷積神經網絡(CNNs)作為一種強大的模型,在圖像識別和語音處理等領域取
    的頭像 發表于 11-15 14:58 ?807次閱讀

    卷積神經網絡與傳統神經網絡的比較

    在深度學習領域,神經網絡模型被廣泛應用于各種任務,如圖像識別、自然語言處理和游戲智能等。其中,卷積神經網絡(CNNs)和傳統神經網絡是兩種常見的模型。 1. 結構差異 1.1 傳統
    的頭像 發表于 11-15 14:53 ?1882次閱讀

    RNN模型與傳統神經網絡的區別

    神經網絡是機器學習領域中的一種強大工具,它們能夠模擬人腦處理信息的方式。隨著技術的發展,神經網絡的類型也在不斷增加,其中循環神經網絡(RNN
    的頭像 發表于 11-15 09:42 ?1136次閱讀

    LSTM神經網絡的結構與工作機制

    LSTM(Long Short-Term Memory,長短期記憶)神經網絡是一種特殊的循環神經網絡(RNN),設計用于解決長期依賴問題,特別是在處理時間序列數據時表現出色。以下是LSTM神經
    的頭像 發表于 11-13 10:05 ?1639次閱讀

    LSTM神經網絡與傳統RNN的區別

    在深度學習領域,循環神經網絡(RNN)因其能夠處理序列數據而受到廣泛關注。然而,傳統RNN在處理長序列時存在梯度消失或梯度爆炸的問題。為了解決這一問題,LSTM(長短期記憶)神經網絡
    的頭像 發表于 11-13 09:58 ?1221次閱讀

    LSTM神經網絡的基本原理 如何實現LSTM神經網絡

    LSTM(長短期記憶)神經網絡是一種特殊的循環神經網絡(RNN),它能夠學習長期依賴信息。在處理序列數據時,如時間序列分析、自然語言處理等,LSTM因其能夠有效地捕捉時間序列中的長期依
    的頭像 發表于 11-13 09:53 ?1594次閱讀

    關于卷積神經網絡,這些概念你厘清了么~

    隨著人工智能(AI)技術的快速發展,AI可以越來越多地支持以前無法實現或者難以實現的應用。本文基于此解釋了 卷積神經網絡 (CNN)及其對人工智能和機器學習的意義。CNN是一種能夠從
    發表于 10-24 13:56

    AI for Science:人工智能驅動科學創新》第二章AI for Science的技術支撐學習心得

    人工智能在科學研究中的核心技術,包括機器學習、深度學習、神經網絡等。這些技術構成了AI for Science的基石,使得AI能夠
    發表于 10-14 09:16

    matlab 神經網絡 數學建模數值分析

    matlab神經網絡 數學建模數值分析 精通的可以討論下
    發表于 09-18 15:14