将神经网络运营与优化处理器硬件功能。
pb的数据有效地传播之间的边缘设备和数据处理中心的人工智能和计算功能。精确和优化硬件实现的功能将许多操作处理单元将不得不执行。随着数学算法用于基于ai系统的发展,以及在某些情况下稳定,硬件实现他们的需求增加,使计算资源。
人工智能使用神经网络模型人类大脑和神经系统。在硬件上,这是一个函数,将“学习”对于一个给定的输入输出。训练是“学习。“显示网络许多你训练网络的图像识别实现使用数学。运行分析和分类数据训练神经网络,计算缺失的数据,或预测未来的数据称为推理。推理实现通过输入数据,乘以加权矩阵,并应用一个激活函数用于确定神经元接收的信息是否与给定的相关信息或如果它应该被忽略。
有不同的激活函数,可以使用,从简单的二元函数更复杂的激活函数步喜欢广泛使用的S形的函数,这是描述为S (x) = 1 / (1 + e- x)。乙状结肠函数提供了一个“S”形曲线,S (x) = 0 x方法-∞1 x趋于+∞,当x = 0输出是0.5,如图1所示。值大于0.5可以标记为“是”,小于0.5的值可以被贴上“不,”有一个百分比或“是/否”使用的概率曲线的值在给定的点。乙状结肠函数的限制之一是,当值大于或小于3,曲线变得相当平坦,非常高的精度需要继续学习。
图1:乙状结肠函数是一个广泛使用的人工神经元激活函数
有争论需要浮点(FP)精度和设计带来的复杂性。今天的神经网络预测通常不需要与32位浮点计算的精度,甚至16位数字。在许多应用程序中,设计师可以使用8位整数计算神经网络预测和仍然保持适当的水平精度。这些呈现不同的困境时,人工智能应用程序的设计要求。例如,神经网络识别所有不同深浅的蓝色或仅仅是颜色是蓝色的吗?
优化设计精度与IP
DesignWare基础核心库的数学IP核心设计师提供了一个非常灵活的组操作来实现数学构造人工智能应用程序。DesignWare基金会优化高效的硬件实现,内核允许设计师做出权衡,性能,和区域通过控制他们的设计精度,同时满足他们独特的设计要求。为了说明这一点,考虑一个基线或简单的乘数相比,融合或预构建乘数能够处理多个精度,如图2所示。
图2:基线与融合乘数来处理多个精度
浮点数和整数操作,设计师可以控制内部或之间的级间舍入操作。浮点操作,内部控制舍入以及灵活的浮点(FFP)格式使设计师能够更高效的硬件实现通过共享通用的技术操作。使用FFP格式,设计师可以实现他们自己的专业与bit-accurate FP组件和c++模型,他们可以探索区域和准确性的组件以确保他们专门设计需求。
浮点算法是原子操作的组合。IP支持浮点设计是基于项子功能的浮点算法。识别项子功能,让我们看看一个简单的浮点加法器的框图,如图3所示。
图3:基于ip的浮点设计基于项子功能
在浮点加法器中主要有两种路径:指数计算和significand计算。这些路径交换信息来生成最终的计算结果。有效数字缩放时,指数相应调整。主要的子函数包括有效数字计算,对齐,定点,正常化和舍入。规范化是一个大型的百分比组成一个浮点加法器的逻辑,如果取消,将给硬件优化保证金。缺乏规范化,然而,可能会导致一些损失significand进行作业时,必须考虑的东西。内部有效数字的值表示定点,并紧密与指数的价值指数计算通道。实现项子功能,需要有一种携带指数和定点significand一起在标准的浮点数系统,但较少的约束和特殊的情况。
在一系列浮点加法,正常化和舍入步骤占很大一部分的关键路径。在创建复合操作时,通常建议离开正常化和舍入的最后阶段的一系列操作。这是因为直接访问内部定点浮点运算的值,没有标准化或舍入,降低复杂性,区域和关键路径和它给设计师内部控制精度。两级加法器的一个简单的示例如图4所示。
通过消除正常化和舍入,数值行为变化。首先,指数计算有些简化的FP加法器。第二,浮点表示的输出不符合IEEE 754标准了。第三,第二个链中的浮点加法器需要了解这个新表示,它需要有一些信息在前面计算决策发生了什么。
图4:从简单的子块复合功能
Synopsys对此的DesignWare基础核心提供的组件库,当创建一个项目,涉及使用IP。每个组件配置,RTL和C模型安装到项目目录,包括所有的文件与组件的验证和实现。一旦设计完成,文件整合到更大的SoC设计和设计师可以继续完善他们的RTL的下一代产品。
总结
艾城的爆炸推动新一轮的设计使更直接的在现实世界中与设备的交互。过程真实世界数据的能力和创造的数学表示的数据是一个关键的组件和设计师正在尝试许多不同的方法将人工智能应用于他们的产品。精确和优化硬件实现的功能将许多操作处理单元将不得不执行。实施数学算法在硬件成为有利的人工智能系统。
DesignWare基金会核给设计师一个强大的工具来快速满足他们设计的独特需求,实现精确的能力去探索设计空间与不同的配置,并实现准确性、力量,性能和面积权衡。位准确的c++模型,设计者可以快速运行模拟生成的模型来确保他们的AI设计满足项目需求。
|
|
|
|
|
|
|
|
|
|
留下一个回复