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)
會員中心
創(chuàng)作中心

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

3天內(nèi)不再提示

Imagination發(fā)布最新神經(jīng)網(wǎng)絡(luò)加速器

Dbwd_Imgtec ? 來源:cg ? 2018-12-06 16:09 ? 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

PowerVR Series3NX提供0.6至10 TOPS的單核性能及超過160 TOPS的多核可擴展性,以實現(xiàn)前所未有的計算性能和可擴展性等級。

2018年12月4日 - Imagination Technologies宣布推出其面向人工智能AI)應(yīng)用的最新神經(jīng)網(wǎng)絡(luò)加速器(NNA)架構(gòu)PowerVR Series3NX。基于屢獲殊榮的前代產(chǎn)品,新版Series3NX提供了無與倫比的可擴展性,使系統(tǒng)級芯片(SoC)制造商能夠針對諸如汽車、移動設(shè)備、智能視頻監(jiān)控和物聯(lián)網(wǎng)邊緣設(shè)備等一系列嵌入式市場去優(yōu)化計算能力和性能。

單個Series3NX內(nèi)核的性能可從0.6到10萬億次操作/秒(TOPS),同時其多核實現(xiàn)可擴展到160TOPS以上。得益于包括無損權(quán)重壓縮等架構(gòu)性增強,Series3NX架構(gòu)的性能可在相同的芯片面積上較上一代產(chǎn)品提升40%,使SoC制造商可在性能效率方面提高近60%,且?guī)捫枨蠼档土?5%。

作為Series3NX架構(gòu)的一部分,Imagination還發(fā)布了PowerVR Series3NX-F(Flexible)半導(dǎo)體知識產(chǎn)權(quán)(IP)配置,以提供前所未有的功能性和靈活性平衡,同時還結(jié)合了行業(yè)領(lǐng)先的性能。采用Series3NX-F的客戶可以通過OpenCL框架來實現(xiàn)差異化并為其產(chǎn)品增加價值。

“將AI應(yīng)用于邊緣從而去創(chuàng)造更強大、更自主,更易于使用的設(shè)備潛藏著巨大機遇。”嵌入式視覺聯(lián)盟(Embedded Vision Alliance)創(chuàng)始人Jeff Bier說道。“在許多這類應(yīng)用中,一個關(guān)鍵的挑戰(zhàn)是實現(xiàn)處理性能、靈活性、成本和功耗的正確組合。我為Imagination Technologies在開發(fā)創(chuàng)新處理器以滿足這些需求而進行的持續(xù)投入點贊?!?/p>

Imagination視覺和人工智能副總裁RussellJames說道:“Series3NX架構(gòu)和Series3NX-F都是不折不扣的創(chuàng)新產(chǎn)品。它們一起帶來了靈活性和可擴展性,同時將性能上限提高了將近一倍。這改變了游戲規(guī)則,可真正推動嵌入式設(shè)備去大規(guī)模采用人工智能。”

為了迎合快速發(fā)展的市場,新的PowerVR工具也進行了多項擴展,從而能夠最優(yōu)化地去映射新興的網(wǎng)絡(luò)模型、提供靈活性和性能優(yōu)化的理想組合。

通過使用Imagination的專用深度神經(jīng)網(wǎng)絡(luò)(DNN)API,開發(fā)人員可以輕松地針對Series3NX架構(gòu)以及現(xiàn)有PowerVR GPU編寫人工智能應(yīng)用程序。該API可以在多種SoC配置上工作,以便在現(xiàn)有設(shè)備上輕松地完成原型設(shè)計。

Imagination于2017年推出了上一代神經(jīng)網(wǎng)絡(luò)加速器產(chǎn)品PowerVR Series2NX。迄今為止,它已經(jīng)授權(quán)給了多家客戶,主要集中在移動設(shè)備和汽車市場上。

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。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。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,請聯(lián)系本站處理。 舉報投訴
  • 嵌入式
    +關(guān)注

    關(guān)注

    5208

    文章

    20620

    瀏覽量

    336688
  • 人工智能
    +關(guān)注

    關(guān)注

    1819

    文章

    50284

    瀏覽量

    266788

原文標(biāo)題:Imagination發(fā)布PowerVR Series3NX神經(jīng)網(wǎng)絡(luò)加速器,為嵌入式人工智能市場帶來多核可擴展性

文章出處:【微信號:Imgtec,微信公眾號:Imagination Tech】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

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

    評論

    相關(guān)推薦
    熱點推薦

    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,對計算能力的需求也與日俱增。然而,傳統(tǒng)的AI計算往往伴隨著高能耗的問題,這在一些對功耗
    的頭像 發(fā)表于 03-27 17:10 ?137次閱讀

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識

    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)
    的頭像 發(fā)表于 12-17 15:05 ?434次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識

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

    特征圖保留不變,完成和所有相關(guān)卷積核點積以后再加載,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
    發(fā)表于 10-31 07:14

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計原理及在MCU200T上仿真測試

    CNN算法簡介 我們硬件加速器的模型為Lenet-5的變型,網(wǎng)絡(luò)粗略分共有7層,細分共有13層。包括卷積,最大池化層,激活層,扁平層,全連接層。下面是各層作用介紹: 卷積層:提取特征?!安蝗?/div>
    發(fā)表于 10-29 07:49

    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。 該庫分為多個功能,每個功能涵蓋特定類別
    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,而且生物軸突的延遲和神經(jīng)元的時間常數(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

    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。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)練一個手寫數(shù)字識別的神經(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)重數(shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲內(nèi)。 在仿真環(huán)境下,可將其存于一個文件,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):時間連續(xù)性與動態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1508次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

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

    問題。因此,并行計算與加速技術(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,滿足實際應(yīng)用中對快速響應(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>的并行計算與<b class='flag-5'>加速</b>技術(shù)

    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 ?3091次閱讀

    無刷電機小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究

    摘要:論文通過對無刷電機數(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)來實現(xiàn)轉(zhuǎn)角預(yù)測,并采用改進遺傳算法來訓(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)在電機故障診斷中的應(yīng)用

    摘要:針對傳統(tǒng)專家系統(tǒng)不能進行自學(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,很大程度上降低了對電機
    發(fā)表于 06-16 22:09

    MAX78000采用超低功耗卷積神經(jīng)網(wǎng)絡(luò)加速度計的人工智能微控制技術(shù)手冊

    的Maxim超低功耗微控制相結(jié)合。通過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,同時功耗僅為微焦耳級。
    的頭像 發(fā)表于 05-08 11:42 ?1116次閱讀
    MAX78000采用超低功耗卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b><b class='flag-5'>加速</b>度計的人工智能微控制<b class='flag-5'>器</b>技術(shù)手冊

    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

    的Maxim超低功耗微控制相結(jié)合。通過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,同時功耗僅為微焦耳級。
    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
    商河县| 永和县| 长岭县| 阿尔山市| 金坛市| 赞皇县| 平利县| 三亚市| 通许县| 永济市| 堆龙德庆县| 耿马| 勐海县| 长岛县| 新和县| 赤壁市| 达拉特旗| 华亭县| 宁德市| 额敏县| 滕州市| 河北省| 鲁山县| 凤山市| 武义县| 威信县| 绥化市| 陆丰市| 麦盖提县| 太湖县| 象州县| 镇宁| 万安县| 钟山县| 旬邑县| 珲春市| 九龙坡区| 西盟| 洪洞县| 武平县| 五莲县|