标签:AI加速器

新的神经新兴神经网络处理器的地址
通过戈登•库珀2022年5月- 05 -评论:0

AlexNet已经十年了,一个深度学习卷积神经网络(CNN)模型运行在gpu,取代传统视觉处理算法赢得ImageNet大规模视觉识别(ILSVRC)的竞争。AlexNet,其继任者,提供了大量改进对象分类精度为代价的计算复杂度和大哒……»阅读更多

过去预测未来
通过布莱恩•贝利12月- 22,2021 -评论:0

人们常说,你不能预测未来看过去,但这并不总是正确的。有很多提供的线索挖掘变化。这些变化的前奏在未来会发生什么事。一个方法我们可以在半导体工程是通过观察阅读习惯的变化。什么类型的文章吸引了最关注?这是一个肯定…»阅读更多

电力/性能:8月24日
通过杰西·艾伦8月24日,2021 -评论:0

低功耗智能电子产品和制造技术中心工程师在瑞士(CSEM)边缘AI的SoC设计的应用程序可以运行在太阳能或一个小电池。的ASIC芯片SoC由RISC-V处理器开发CSEM连同两个紧密耦合的机器学习加速器:一个用于人脸检测,例如,一个用于分类。第一个是本…»阅读更多

定时人工智能硬件时代的挑战
通过Quiyang吴- 2月25日,2021 -评论:0

近年来,我们已经看到一个清晰的市场趋势专用集成电路(asic)更有效的性能和能耗比传统的通用计算机处理人工智能工作负载。这些人工智能加速器硬化深度学习算法内核到电路,使更高的数据摄入与本地内存带宽,并执行大规模paral……»阅读更多

在人工智能硬件处理能力的挑战
通过Solaiman Rahim- 04年2月,2021 -评论:0

人工智能(AI)加速器等解决人工智能工作负载神经网络至关重要。这些高性能并行计算机器的处理效率提供如此高数据量的需求。与人工智能起到越来越大的作用在我们的生活与消费设备如智能音箱等工业应用自动化工厂的最高……»阅读更多

利用专门的神经网络模型更大的效率收益
通过Quenton大厅- 09年12月,2020 -评论:0

神经网络可分为一组算法模拟松散人脑后,可以通过将新数据“学习”。事实上,许多好处可以从开发专用”计算高效的神经网络模型。然而,为了确保您的模型是有效的,有几个需要考虑的关键要求。一个关键,标本……»阅读更多

与INT4卷积神经网络优化
通过赛灵思公司——2020年12月1日电——评论:0

赛灵思公司提供了一个INT8 AI推理加速器在Xilinx硬件平台,深度学习处理器单元(XDPU)。然而,在一些资源有限、高性能和低延迟的场景(比如resource-power-sensitive边缘,低延迟ADAS场景),低比特量化神经网络需要实现低功耗和性能高于provi……»阅读更多

使用嵌入式传感面料的好处在人工智能设备
通过Moortec11月- 11,2020 -评论:0

人工智能芯片,无论应用程序,并不定期asic和往往是非常大的,这基本上意味着人工智能芯片的标线限制在他们的大小。他们也通常由一组常规结构,这有助于缓解产量问题通过建立在宽容缺陷密度由于处理器块的数量。背后的原因……»阅读更多

ResNet-50不预测推理吞吐量为像素的神经网络模型
通过杰夫•泰特- 05年11月2020 -评论:1

客户正在考虑申请人工智能推理和想要评估多个推理加速器。正如我们上个月讨论的,上衣不与推理的吞吐量和你应该使用真正的神经网络模型基准加速器。所以ResNet-50是个好基准评估的相对表现推理加速器吗?如果您的应用程序将p…»阅读更多

AI和IP在边缘计算快5 g和物联网
通过罗恩·洛曼9月- 10,2020 -评论:0

边计算,处理和分析数据的概念在服务器接近他们所服务的应用,越来越受欢迎,开辟新市场,建立电信服务提供商、半导体公司,和新软件生态系统。杰出的技术一起过去几十年开始启用这个新空间大数据和想法……»阅读更多

←旧的文章

  • 赞助商

关于

导航

与我们联系

版权©2013 - 2023 SMG |服务条款|隐私政策
Baidu