部署人工神经网络的挑战。
深度人工神经网络(ann)已经成为各种任务的通用特征提取器,因为它们接近(在许多情况下超过)人类水平的性能。从网上商店推荐到自动驾驶汽车,它们已经成为几乎所有现代人工智能(AI)应用程序的基本组成部分。
本白皮书强调了如何解决与在嵌入式设备上部署人工神经网络(ann)相关的不同挑战。为此,最先进的物体检测单发探测器(SSD)经过优化,可在Nvidia Jetson X2和Drive PX2平台上执行。下面将介绍深度神经网络以及与训练和推理相关的挑战。
如需阅读更多,请点击在这里.
评论*
的名字*(注:此名称将公开显示)
电子邮件*(不会公开展示)
Δ
开源处理器核心开始出现在异构的soc和包中。
开源本身并不能保证安全性。这仍然归结于设计的基本原理。
异质集成的好处是众所周知的,但是实现它并不容易。
创新的方法不断扩展铜线和通孔的性能。
EDA社区如何准备应对即将到来的挑战尚不清楚。
先进的蚀刻技术是纳米片fet的关键未来节点的演化路径。
从特定的设计团队技能,到组织和经济影响,向定制硅的转变正在改变一切。
近50家公司超过5000亿美元新投资的细节;扩张热潮的背后是什么,为什么是现在,以及未来的挑战。
新的存储方法和CMOS扩展的挑战指向半导体设计的根本变化和潜在的巨大改进。
内存层次结构中的变化是稳定的,但是访问内存的方式和位置会产生很大的影响。
留下回复