哈哈哈哈哈操欧洲电影,久草网在线,亚洲久久熟女熟妇视频,麻豆精品色,久久福利在线视频,日韩中文字幕的,淫乱毛视频一区,亚洲成人一二三,中文人妻日韩精品电影

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

英國(guó)推出可應(yīng)用于ADAS和自動(dòng)駕駛的神經(jīng)網(wǎng)絡(luò)加速器

姚小熊27 ? 來(lái)源:蓋世汽車 ? 作者:蓋世汽車 ? 2020-11-16 10:28 ? 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

據(jù)外媒報(bào)道,英國(guó)半導(dǎo)體與軟件設(shè)計(jì)公司Imagination Technologies宣布推出新一代神經(jīng)網(wǎng)絡(luò)加速器(NNA)——IMG Series4,可應(yīng)用于高級(jí)駕駛輔助系統(tǒng)(ADAS)和自動(dòng)駕駛。Series4的目標(biāo)客戶是汽車行業(yè)內(nèi)領(lǐng)先的顛覆者以及一級(jí)供應(yīng)商、原始設(shè)備制造商(OEM)以及汽車半導(dǎo)體片上系統(tǒng)(SoC)制造商。

Series4具備新型多核架構(gòu),運(yùn)算能力超高,達(dá)到600 TOPS及以上,可為大型神經(jīng)網(wǎng)絡(luò)工作負(fù)載提供低帶寬以及超低延遲性能。

汽車行業(yè)一直在進(jìn)行一場(chǎng)革命,自動(dòng)駕駛汽車和自動(dòng)駕駛出租車等新用例都要求人工智能AI)技術(shù)的性能達(dá)到全新水平。為此,Imagination與汽車行業(yè)以及重視功能安全的其他行業(yè)的領(lǐng)導(dǎo)者和創(chuàng)新者合作。目前,Series4已經(jīng)獲得許可證,將于2020年12月上市。

Imagination的低功耗NNA架構(gòu)旨在用于運(yùn)行全網(wǎng)絡(luò)推斷,同時(shí)也能滿足功能安全要求,可一次性執(zhí)行多個(gè)操作,以最大限度地提高性能功耗比,提供業(yè)內(nèi)領(lǐng)先的能源效率。

Series4包括:

1、 多核架構(gòu)可擴(kuò)展性與靈活性:多核架構(gòu)使其能夠跨核靈活分配和同步工作負(fù)載,Imagination的軟件具備精細(xì)控制能力,可通過(guò)分批處理、分割以及調(diào)度多個(gè)工作負(fù)載增加靈活性,而且可在任意數(shù)量的核上使用,每個(gè)集群有2、4、6或8核配置。

2、 超高性能:Series4每核的算力達(dá)12.5 TOPS,能耗卻低于1瓦特。例如8核配置的集群算力可達(dá)100 TOPS,因而6×100的解決方案算力可達(dá)600 TOPS。在AI推理方面,Series4 NNA的性能比嵌入式GPU快200倍,比嵌入式CPU快1000倍。

3、 超低延遲:通過(guò)將所有核合并到2、4、6或8核集群中,所有核都可用于專門執(zhí)行單個(gè)任務(wù),通過(guò)相應(yīng)的倍數(shù)減少延遲,從而減少響應(yīng)時(shí)間。例如,對(duì)于8核集群而言,就是8倍。

4、 大大節(jié)省帶寬:Imagination的Tensor Tiling(ITT)是Series4的新功能,是一項(xiàng)正在申請(qǐng)專利的技術(shù),能夠通過(guò)將輸入的數(shù)據(jù)張量分割成多個(gè)塊,以更高效地處理數(shù)據(jù),從而解決帶寬效率問(wèn)題。ITT利用本地?cái)?shù)據(jù)的依賴關(guān)系,將中間數(shù)據(jù)存儲(chǔ)在芯片存儲(chǔ)器中,最大限度地減少將數(shù)據(jù)輸入到外部存儲(chǔ)器中,將帶寬減少90%。ITT是一種可擴(kuò)展的算法,在具有大輸入數(shù)據(jù)量的網(wǎng)絡(luò)上具有很大的優(yōu)勢(shì)。

5、 汽車安全:Series4包括IP級(jí)別的安全功能以及符合ISO 26262的設(shè)計(jì)流程,可幫助客戶獲得認(rèn)證。ISO 26262是汽車電子產(chǎn)品風(fēng)險(xiǎn)的行業(yè)安全標(biāo)準(zhǔn),Series4能夠讓神經(jīng)網(wǎng)絡(luò)安全推理,且不會(huì)影響到性能。硬件安全機(jī)制可以保護(hù)已編譯的網(wǎng)絡(luò)、網(wǎng)絡(luò)執(zhí)行和數(shù)據(jù)處理管道。
責(zé)任編輯:YYX

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(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
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(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    卷積神經(jīng)網(wǎng)絡(luò)如何讓自動(dòng)駕駛識(shí)別障礙物?

    自動(dòng)駕駛的發(fā)展過(guò)程中,感知系統(tǒng)一直承擔(dān)車輛“眼睛”的角色,其核心任務(wù)是讓計(jì)算機(jī)理解復(fù)雜多變的物理世界。卷積神經(jīng)網(wǎng)絡(luò)(CNN)作為一種專門用于處理圖像和視頻等網(wǎng)格狀數(shù)據(jù)結(jié)構(gòu)的深度學(xué)習(xí)模型,已經(jīng)成為
    的頭像 發(fā)表于 04-11 09:59 ?1387次閱讀
    卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>如何讓<b class='flag-5'>自動(dòng)駕駛</b>識(shí)別障礙物?

    探索MAX78002:低功耗卷積神經(jīng)網(wǎng)絡(luò)加速器的AI微控制

    探索MAX78002:低功耗卷積神經(jīng)網(wǎng)絡(luò)加速器的AI微控制 在當(dāng)今的科技領(lǐng)域,人工智能(AI)的發(fā)展日新月異,對(duì)計(jì)算能力的需求也與日俱增。然而,傳統(tǒng)的AI計(jì)算往往伴隨著高能耗的問(wèn)題,這在一些對(duì)功耗
    的頭像 發(fā)表于 03-27 17:10 ?137次閱讀

    加速L4級(jí)自動(dòng)駕駛商業(yè)化:aiData全自動(dòng)化數(shù)據(jù)處理解決方案!

    引言在汽車AI領(lǐng)域,無(wú)論是高級(jí)駕駛輔助系統(tǒng)(ADAS)還是自動(dòng)駕駛技術(shù)的研發(fā),都需要數(shù)據(jù)。因此高質(zhì)量、精準(zhǔn)且記錄完備的數(shù)據(jù),是神經(jīng)網(wǎng)絡(luò)訓(xùn)練、驗(yàn)證及仿真測(cè)試的核心支撐。然而,數(shù)據(jù)采集往往
    的頭像 發(fā)表于 12-18 16:33 ?2252次閱讀
    <b class='flag-5'>加速</b>L4級(jí)<b class='flag-5'>自動(dòng)駕駛</b>商業(yè)化:aiData全<b class='flag-5'>自動(dòng)</b>化數(shù)據(jù)處理解決方案!

    Transformer如何讓自動(dòng)駕駛變得更聰明?

    ]自動(dòng)駕駛中常提的Transformer本質(zhì)上是一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),最早在自然語(yǔ)言處理里火起來(lái)。與卷積神經(jīng)網(wǎng)絡(luò)(CNN)或循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)不同,Transformer能夠
    的頭像 發(fā)表于 11-19 18:17 ?2437次閱讀

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?

    自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽(tīng)到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱為CNN,是一種專門用來(lái)處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見(jiàn),因?yàn)閳D像本身就可以看作是由像素排列成的二維網(wǎng)格。
    的頭像 發(fā)表于 11-19 18:15 ?2216次閱讀
    <b class='flag-5'>自動(dòng)駕駛</b>中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個(gè)啥?

    一些神經(jīng)網(wǎng)絡(luò)加速器的設(shè)計(jì)優(yōu)化方案

    特征圖保留不變,完成和所有相關(guān)卷積核點(diǎn)積以后再加載,最多復(fù)用 R*R*M 次。 3.不同網(wǎng)絡(luò)模型的效果 如圖所示,后者相對(duì)于前者,減少了連線資源和復(fù)雜度。 4.DNN加速器空間架構(gòu)片上存儲(chǔ)
    發(fā)表于 10-31 07:14

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    NMSIS NN 軟件庫(kù)是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫(kù)分為多個(gè)功能,每個(gè)功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    SNN加速器內(nèi)部神經(jīng)元數(shù)據(jù)連接方式

    的數(shù)量級(jí),而且生物軸突的延遲和神經(jīng)元的時(shí)間常數(shù)比數(shù)字電路的傳播和轉(zhuǎn)換延遲要大得多,AER 的工作方式和神經(jīng)網(wǎng)絡(luò)的特點(diǎn)相吻合,所以受生物啟發(fā)的神經(jīng)形態(tài)處理中的NoC或SNN
    發(fā)表于 10-24 07:34

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    模型。 我們使用MNIST數(shù)據(jù)集,訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型,用于手寫數(shù)字識(shí)別。一旦模型被訓(xùn)練并保存,就可以用于對(duì)新圖像進(jìn)行推理和預(yù)測(cè)。要使用生成的模型進(jìn)行推理,可以按照以下步驟進(jìn)行操作: 1.
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)內(nèi)。 在仿真環(huán)境下,可將其存于一個(gè)文件,并在 Verilog 代碼中通過(guò) read
    發(fā)表于 10-20 08:00

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    問(wèn)題。因此,并行計(jì)算與加速技術(shù)在神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用中變得至關(guān)重要,它們能夠顯著提升神經(jīng)網(wǎng)絡(luò)的性能和效率,滿足實(shí)際應(yīng)用中對(duì)快速響應(yīng)和大規(guī)模數(shù)據(jù)處理的需求。神經(jīng)網(wǎng)絡(luò)并行
    的頭像 發(fā)表于 09-17 13:31 ?1268次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與<b class='flag-5'>加速</b>技術(shù)

    想實(shí)現(xiàn)自動(dòng)駕駛,哪些技術(shù)非常關(guān)鍵?

    近年來(lái),隨著人工智能、車載計(jì)算平臺(tái)、傳感技術(shù)的快速進(jìn)步,自動(dòng)駕駛已從實(shí)驗(yàn)室走向?qū)嶋H道路。而支撐這一切的,是一套龐大且精密的技術(shù)架構(gòu)系統(tǒng)。這套架構(gòu)就像一輛自動(dòng)駕駛汽車的大腦與神經(jīng)網(wǎng)絡(luò),
    的頭像 發(fā)表于 08-30 09:40 ?2703次閱讀

    Andes晶心科技推出新一代深度學(xué)習(xí)加速器

    高效能、低功耗 32/64 位 RISC-V 處理核與 AI 加速解決方案的領(lǐng)導(dǎo)供貨商—Andes晶心科技(Andes Technology)今日正式發(fā)表最新深度學(xué)習(xí)加速器 AndesAIRE AnDLA I370。此產(chǎn)品專為
    的頭像 發(fā)表于 08-20 17:43 ?3093次閱讀

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

    的Maxim超低功耗微控制相結(jié)合。通過(guò)這款基于硬件的卷積神經(jīng)網(wǎng)絡(luò)(CNN)加速器,即使是電池供電的應(yīng)用也可執(zhí)行AI推理,同時(shí)功耗僅為微焦耳級(jí)。
    的頭像 發(fā)表于 05-08 10:16 ?1002次閱讀
    MAX78002帶有低功耗卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</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(cè)
    色达县| 隆安县| 城固县| 西盟| 金塔县| 西乡县| 江北区| 奉节县| 来凤县| 锦州市| 木里| 长寿区| 偃师市| 青冈县| 皋兰县| 汶上县| 临城县| 松潘县| 东乌珠穆沁旗| 江门市| 东乌珠穆沁旗| 久治县| 衡阳市| 峨山| 汝南县| 台东市| 漳浦县| 镇原县| 木兰县| 自贡市| 松桃| 偃师市| 贞丰县| 山西省| 宁德市| 九寨沟县| 扬州市| 谷城县| 芒康县| 怀来县| 淳安县|