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(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,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

Imagination展示了多項基于其先進圖形處理器和神經(jīng)網(wǎng)絡加速器IP的應用演示

Dbwd_Imgtec ? 來源:Imagination Tech ? 作者:Imagination Tech ? 2021-01-08 14:37 ? 次閱讀

集成電路產(chǎn)業(yè)是國家戰(zhàn)略性支柱產(chǎn)業(yè),是國民經(jīng)濟和社會信息化的重要基礎。當前我國集成電路產(chǎn)業(yè)發(fā)展正處于關鍵期,國家高度重視并出臺一系列政策和措施予以大力支持。集成電路設計業(yè)作為整個產(chǎn)業(yè)的龍頭和技術(shù)、產(chǎn)品創(chuàng)新的主要環(huán)節(jié),在產(chǎn)業(yè)發(fā)展中承擔著重要責任,而知識產(chǎn)權(quán)(IP)在其中則扮演著關鍵的角色。 12月10日-11日,“中國集成電路設計業(yè)2020年會”(ICCAD 2020)在重慶舉行,這場集成電路產(chǎn)業(yè)的年終盛會也是業(yè)內(nèi)企業(yè)和從業(yè)人員的一次大聚會。Imagination Technologies作為全球領先的半導體IP廠商也如約出席大會,并通過技術(shù)應用展示和主題演講與業(yè)界同仁展開了深入的交流。

Imagination展示了多項基于其先進圖形處理器GPU)和神經(jīng)網(wǎng)絡加速器(NNA)IP的應用演示。例如,基于瑞薩R-Car H3芯片的GPU硬件虛擬化演示,該芯片采用了Imagination的PowerVR GX6650 GPU。通過硬件虛擬化功能,同一個GPU可以同時處理多個任務,并且通過物理隔離確保這些任務互不影響,實現(xiàn)了最高的安全性。

Imagination演示了基于先進IP的多項應用 另一項精彩演示是基于GPU和NNA的汽車環(huán)繞視圖應用。GPU將攝像頭圖像拼接在一起推理出光照條件,利用環(huán)境光照渲染整個車身;同時,采集一定的圖像用于神經(jīng)網(wǎng)絡分析,NNA會基于GoogLeNet SSD算法實現(xiàn)人的檢測。 此外,Imagination還展示了領先的低功耗PowerVR光線追蹤技術(shù),以及利用不同的神經(jīng)網(wǎng)絡算法,基于NNA來實現(xiàn)語義分割、姿態(tài)檢測、人臉檢測、目標檢測等應用。

Imagination的精彩演示吸引多位參觀者駐足觀看 在本次大會的“IP與IC設計”專題論壇上,Imagination解決方案高級技術(shù)經(jīng)理鄭凱發(fā)表了題為“SoC IP 助力智能計算實現(xiàn)性能、功耗、面積新突破”的演講,全面介紹了Imagination新近發(fā)布的最新一代GPU和NNA產(chǎn)品。

Imagination解決方案高級技術(shù)經(jīng)理鄭凱發(fā)表演講 鄭凱表示,中國是全球最大的半導體市場,但85%的半導體器件依賴進口,如何盡快實現(xiàn)半導體產(chǎn)業(yè)的進口替代事關國家經(jīng)濟和安全。Imagination作為一家中資擁有的全球性半導體IP企業(yè),致力于通過創(chuàng)新技術(shù)和高效服務為中國芯片廠商提供廣泛支持,并已在移動、汽車、桌面、云計算、無人機等領域擁有大量合作伙伴。 “Imagination在10月和11月陸續(xù)發(fā)布了最新的IMG B系列多核GPU和IMG Series4多核NNA,在進一步豐富和強化我們產(chǎn)品線的同時,可以為客戶提供更高的性能和渲染能力,以及更低的功耗、延遲和成本。”鄭凱介紹道。

相比IMG A系列,B系列在功耗預算相同的情況下實現(xiàn)了30%的性能提升 IMG B系列GPU包括BXE、BXM、BXT、BXS四類產(chǎn)品,鄭凱以旗艦款BXT為例介紹了B系列的特性。四核BXT可以提供6 TFLOPS的性能,每秒可處理192 Gigapixel(十億像素),擁有24 TOPS的AI算力,同時可提供行業(yè)最高的性能密度。從手持設備到數(shù)據(jù)中心,BXT GPU可以為各類應用提供難以置信的高性能。

Imagination Tensor Tiling技術(shù)助力Series4 NNA降低了90%的帶寬需求

IMG Series4 NNA憑借全新的多核架構(gòu)實現(xiàn)了超高性能和超低延遲。例如,一個8核集群可以提供100 TOPS的算力,延遲在理想情況下也會減少為單核獨立執(zhí)行時的1/8。此外,Series4包含IP級別的安全功能且設計流程符合ISO 26262車規(guī)標準,使其成為先進駕駛輔助系統(tǒng)(ADAS)和自動駕駛等汽車應用的理想選擇。

責任編輯:lq

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

原文標題:進口替代是關鍵 IMG先進IP技術(shù)助力中國集成電路業(yè)加快自主發(fā)展 |ICCAD 2020

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

收藏 人收藏

    評論

    相關推薦
    熱點推薦

    MAX78002帶有低功耗卷積神經(jīng)網(wǎng)絡加速器的人工智能微控制技術(shù)手冊

    的Maxim超低功耗微控制相結(jié)合。通過這款基于硬件的卷積神經(jīng)網(wǎng)絡(CNN)加速器,即使是電池供電的應用也可執(zhí)行AI推理,同時功耗僅為微焦耳級。
    的頭像 發(fā)表于 05-08 10:16 ?102次閱讀
    MAX78002帶有低功耗卷積<b class='flag-5'>神經(jīng)網(wǎng)絡</b><b class='flag-5'>加速器</b>的人工智能微控制<b class='flag-5'>器</b>技術(shù)手冊

    TPU處理器的特性和工作原理

    張量處理單元(TPU,Tensor Processing Unit)是一種專門為深度學習應用設計的硬件加速器。它的開發(fā)源于對人工智能(AI)和機器學習應用的需求,尤其是深度學習中的神經(jīng)網(wǎng)絡計算。
    的頭像 發(fā)表于 04-22 09:41 ?840次閱讀
    TPU<b class='flag-5'>處理器</b>的特性和工作原理

    圖形處理到AI加速,一文看懂Imagination D系列GPU

    Imagination的D系列于2022年首次發(fā)布,見證生成式AI從云端到智能手機等消費設備中普及。在云端,由于GPU的可編程性、可擴展性和快速處理AI工作負載的能力,GPU已成為高效的AI
    的頭像 發(fā)表于 02-27 08:33 ?379次閱讀
    從<b class='flag-5'>圖形</b><b class='flag-5'>處理</b>到AI<b class='flag-5'>加速</b>,一文看懂<b class='flag-5'>Imagination</b> D系列GPU

    人工神經(jīng)網(wǎng)絡的原理和多種神經(jīng)網(wǎng)絡架構(gòu)方法

    在上一篇文章中,我們介紹傳統(tǒng)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(jīng)網(wǎng)絡的原理和多種神經(jīng)網(wǎng)絡架構(gòu)方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡 ? 人工
    的頭像 發(fā)表于 01-09 10:24 ?982次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡</b>架構(gòu)方法

    神經(jīng)網(wǎng)絡優(yōu)化有哪些

    神經(jīng)網(wǎng)絡優(yōu)化是深度學習中用于調(diào)整網(wǎng)絡參數(shù)以最小化損失函數(shù)的重要工具。這些優(yōu)化通過不同的策略來更新網(wǎng)絡權(quán)重,以提高訓練效率和模型性能。以下
    的頭像 發(fā)表于 07-11 16:33 ?1021次閱讀

    什么是神經(jīng)網(wǎng)絡加速器?它有哪些特點?

    )和圖形處理器(GPU)雖然可以處理神經(jīng)網(wǎng)絡計算,但在能效比和計算密度上往往難以滿足特定應用場景的需求。因此,神經(jīng)網(wǎng)絡
    的頭像 發(fā)表于 07-11 10:40 ?872次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡還是循環(huán)神經(jīng)網(wǎng)絡

    RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡,而非遞歸神經(jīng)網(wǎng)絡。循環(huán)神經(jīng)網(wǎng)絡是一種具有時間序列特性的神經(jīng)網(wǎng)絡,能夠處理
    的頭像 發(fā)表于 07-05 09:52 ?938次閱讀

    遞歸神經(jīng)網(wǎng)絡是循環(huán)神經(jīng)網(wǎng)絡

    。 遞歸神經(jīng)網(wǎng)絡的概念 遞歸神經(jīng)網(wǎng)絡是一種具有短期記憶功能的神經(jīng)網(wǎng)絡,它能夠處理序列數(shù)據(jù),如時間序列、文本、語音等。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡不同
    的頭像 發(fā)表于 07-04 14:54 ?1400次閱讀

    循環(huán)神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡的區(qū)別

    結(jié)構(gòu)。它們在處理不同類型的數(shù)據(jù)和解決不同問題時具有各自的優(yōu)勢和特點。本文將從多個方面比較循環(huán)神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡的區(qū)別。 基本概念 循環(huán)神經(jīng)網(wǎng)絡是一種具有循環(huán)連接的
    的頭像 發(fā)表于 07-04 14:24 ?1919次閱讀

    人工智能神經(jīng)網(wǎng)絡芯片的介紹

    人工智能神經(jīng)網(wǎng)絡芯片是一類專門為深度學習和神經(jīng)網(wǎng)絡算法設計的處理器。它們具有高性能、低功耗、可擴展等特點,廣泛應用于圖像識別、語音識別、自然語言處理等領域。以下是關于人工智能
    的頭像 發(fā)表于 07-04 09:33 ?1293次閱讀

    反向傳播神經(jīng)網(wǎng)絡和bp神經(jīng)網(wǎng)絡的區(qū)別

    神經(jīng)網(wǎng)絡在許多領域都有廣泛的應用,如語音識別、圖像識別、自然語言處理等。然而,BP神經(jīng)網(wǎng)絡也存在一些問題,如容易陷入局部最優(yōu)解、訓練時間長、對初始權(quán)重敏感等。為了解決這些問題,研究者們提出了一些改進的BP
    的頭像 發(fā)表于 07-03 11:00 ?1147次閱讀

    卷積神經(jīng)網(wǎng)絡的原理是什么

    卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network,簡稱CNN)是一種深度學習模型,廣泛應用于圖像識別、語音識別、自然語言處理等領域。本文將詳細介紹卷積神經(jīng)網(wǎng)絡的原理,包括其
    的頭像 發(fā)表于 07-02 14:44 ?1193次閱讀

    神經(jīng)網(wǎng)絡架構(gòu)有哪些

    神經(jīng)網(wǎng)絡架構(gòu)是機器學習領域中的核心組成部分,它們模仿生物神經(jīng)網(wǎng)絡的運作方式,通過復雜的網(wǎng)絡結(jié)構(gòu)實現(xiàn)信息的處理、存儲和傳遞。隨著深度學習技術(shù)
    的頭像 發(fā)表于 07-01 14:16 ?1388次閱讀

    西門子推出Catapult AI NN:重塑神經(jīng)網(wǎng)絡加速器設計的未來

    的需求,西門子數(shù)字化工業(yè)軟件日前推出了一款名為Catapult AI NN的創(chuàng)新軟件,旨在幫助神經(jīng)網(wǎng)絡加速器在專用集成電路(ASIC)和芯片級系統(tǒng)(SoC)上實現(xiàn)更高效的高層次綜合(HLS)。
    的頭像 發(fā)表于 06-19 16:40 ?981次閱讀

    西門子推出Catapult AI NN軟件,賦能神經(jīng)網(wǎng)絡加速器設計

    西門子數(shù)字化工業(yè)軟件近日發(fā)布Catapult AI NN軟件,這款軟件在神經(jīng)網(wǎng)絡加速器設計領域邁出了重要一步。Catapult AI NN軟件專注于在專用集成電路(ASIC)和芯片級系統(tǒng)(SoC)上實現(xiàn)
    的頭像 發(fā)表于 06-19 11:27 ?1186次閱讀