韓國(guó)今年投資 1253 億韓元用于支持神經(jīng)網(wǎng)絡(luò)處理器開發(fā)，去年增長(zhǎng)75%
1月12日消息 據(jù)韓聯(lián)社報(bào)道，韓國(guó)信息通信技術(shù)部周二表示，韓國(guó)今年將投資 1253 億韓元（1.141 億美元）用于支持神經(jīng)網(wǎng)絡(luò)處理器的開發(fā)，這一金額較去年增長(zhǎng)了 75%。
韓國(guó)科學(xué)和信息通信技術(shù)部表示，神經(jīng)網(wǎng)絡(luò)處理單元是指專門用于人工智能（AI）服務(wù)的高性能和低功耗邏輯芯片。
韓國(guó)政府去年在下一代芯片技術(shù)（包括神經(jīng)網(wǎng)絡(luò)處理器在內(nèi)）上押下重注，計(jì)劃在 2029 年之前投入 1 萬億韓元用于相關(guān)研發(fā)，意圖在 2030 年前搶占全球 AI 芯片市場(chǎng) 20% 的份額。
今年，韓國(guó)信息通信技術(shù)部的目標(biāo)是支持 4 款 AI 芯片的開發(fā)，并幫助培養(yǎng) 270 名該領(lǐng)域的專家。
該部門補(bǔ)充說，今年大部分投資（1084 億韓元）將用于開發(fā)核心技術(shù)，還有 77 億韓元將被用于培育該行業(yè)中有前途的新興企業(yè)。
韓國(guó)去年進(jìn)入了神經(jīng)網(wǎng)絡(luò)芯片的開發(fā)領(lǐng)域，該國(guó)最大的移動(dòng)運(yùn)營(yíng)商 SK 電訊發(fā)布了一款用于數(shù)據(jù)中心的 AI 芯片。
責(zé)任編輯：PSY
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)問題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
處理器
+關(guān)注
關(guān)注
68文章
20323瀏覽量
254637 -
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4840瀏覽量
108132 -
韓國(guó)
+關(guān)注
關(guān)注
0文章
57瀏覽量
18967
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎？
我想知道為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎，請(qǐng)問？您能否舉一些關(guān)于他們的用例的例子？
發(fā)表于 03-25 06:01
神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)
日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí)，而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu)，特別是大腦中神經(jīng)
自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥？
在自動(dòng)駕駛領(lǐng)域，經(jīng)常會(huì)聽到卷積神經(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，因?yàn)閳D像本身就可以看作是由像
NMSISI庫的使用
NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(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。
該庫分為多個(gè)功能，每個(gè)功能涵蓋特定類別
發(fā)表于 10-29 07:07
NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹
NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(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
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)
本帖欲分享在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)。我們采用jupyter notebook作為開發(fā)IDE，以TensorFlow2為訓(xùn)練框架，目標(biāo)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
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)器內(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 read
發(fā)表于 10-20 08:00
液態(tài)神經(jīng)網(wǎng)絡(luò)（LNN）：時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)
神經(jīng)元，但卻能產(chǎn)生復(fù)雜的行為。受此啟發(fā)，與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比，LNN旨在通過模擬大腦中神經(jīng)元之間的動(dòng)態(tài)連接來處理信息，這種網(wǎng)絡(luò)能夠順序
神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)
問題。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
【嘉楠堪智K230開發(fā)板試用體驗(yàn)】01 Studio K230開發(fā)板Test2——手掌，手勢(shì)檢測(cè)，字符檢測(cè)
這篇發(fā)完就繼續(xù)去整比賽了，后續(xù)看電賽上k230的發(fā)揮吧
之前的顏色識(shí)別和二維碼識(shí)別功能，類似于使用基礎(chǔ)工具進(jìn)行圖像分析，適用于簡(jiǎn)單任務(wù)，但在復(fù)雜場(chǎng)景下能力有限。
KPU（神經(jīng)網(wǎng)絡(luò)處理器）則是
發(fā)表于 07-10 09:45
無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究
摘要:論文通過對(duì)無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
發(fā)表于 06-25 13:06
神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用
摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
發(fā)表于 06-16 22:09
神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究
眾多方法中，由于其結(jié)構(gòu)簡(jiǎn)單，穩(wěn)定性好廣泛受到人們的重視，且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，使估計(jì)更為簡(jiǎn)單、快速
發(fā)表于 06-16 21:54
基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析
本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出，然后通過python程序?qū)xt文件轉(zhuǎn)化為coe文件，（coe
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(xué)習(xí)應(yīng)用設(shè)計(jì)的硬件加速器。它的開發(fā)源于對(duì)人工智能（AI）和機(jī)器學(xué)習(xí)應(yīng)用的需求，尤其是深度學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)
評(píng)論