神经网络架构—让AI真正的活起来

2020-03-18来源: EEWORLD关键字:神经网络  AI

翻译自——Semiwiki,Bernard Murphy

 

自定义AI加速走势高涨。在云计算领域,阿里巴巴继亚马逊、谷歌之后,推出了自己的定制加速器。Facebook也参与其中,微软在Graphcore中持有大量股份。英特尔(Intel)和Mobileye在汽车领域拥有强大的边缘人工智能(AI),而无线基础设施开发商正在为5G的小电池和基站增加AI功能。所有这些应用程序都依赖于大量灵活性和对未来的检验,以便在快速发展的环境中获得长期的相关性。

 

AI Traditional Hardware Solutions

 

但是有许多应用程序,对于它们来说,功率、成本或透明的使用模型是更重要的度量标准。一个农业监视器在一个偏僻的地方,一个微波语音控制器,交通传感器分布在一个大城市。对于这些问题,一个通用的解决方案,甚至一个通用的AI解决方案,都可能是多余的。所以,一个特定的应用程序的AI功能将会更加引人注目。

 

在人工智能时代之前,你会立刻想到一个硬件加速器——它可以做任何它必须做的事情,但比在CPU上运行一个软件要快得多。这就是人工智能加速器的作用。它可能仍然是以软件驱动的,但与通用CPU方式不同。软件是在大型平台(如TensorFlow或Torch)上用Python开发的,然后通过多个步骤编译到目标加速器上。

 

这就是神奇之处。只要加速器保持在神经网络架构的一般范围内,它就可以像你希望的那样狂野。它可以支持多个卷积引擎,每个引擎又由SRAM作为一个整体来支持,同时还支持本地内存,以优化对操作的优先顺序的访问。

 

它可能支持专业功能池等常用操作。为了提高速度和性能,它通常会在不同的推理阶段支持不同的字宽,并在处理稀疏数组时支持专门的优化。这两个领域都是神经网络架构的创新热点,一些架构师甚至尝试使用单比特权值——如果一个权值只能是1或0,那么你就不需要在卷积和稀疏性增加中进行乘法运算了!

 

所有这些的挑战在于,当你想要致力于最终架构时,你会发现有太多的旋钮,以至于很难知道从哪里开始,或者你是否真正探索了全部的可能性空间。更加复杂的是,你需要在大范围的大型测试用例(大图像、语音样本等等)上测试和描述。

 

用C语言而不是RTL来运行大部分测试是常识,因为它比RTL运行速度快几个数量级,而且比RTL更容易调优。此外,神经网络算法可以通过高级合成(HLS)很好地映射,因此你的C模型可以不仅仅是一个模型,它还可以是生成RTL。你可以探索你正在考虑的选择的能力、性能和区域含义——多个卷积处理器、本地内存、字宽、广播更新。所有这些都具有快速的周转时间,允许你更充分地探索可能的优化范围。


关键字:神经网络  AI 编辑:muyan 引用地址:http://news.nvwayi.com/IoT/ic491981.html 本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:盘点面向边缘和终端应用的AI芯片公司
下一篇:开源电子原型平台CEO :Fabio Violante访谈

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

特斯拉申请车队数据获取专利 以训练自动驾驶神经网络
据electrek报道,特斯拉申请了一项技术专利,计划从其庞大的车队中获取数据,以训练自动驾驶神经网络。特斯拉申请了这项专利,但特斯拉人工智能和自动驾驶软件负责人安德烈·卡帕西(Andrej Karpathy)被指定为这项专利应用的唯一发明人。卡帕西在这项专利中描述了在应用程序中为深度学习培训收集数据的问题:“通过训练机器学习模型,开发应用于自动驾驶等领域的深度学习系统。通常,深度学习系统的性能至少在一定程度上受到用于训练模型的训练集的质量的限制。在许多情况下,重要的资源被投入到收集、管理和注释培训数据上。创建训练集所需的工作可能很重要,而且常常很繁琐。此外,为机器学习模型改进,进行特定案例数据收集通常是困难的。”特斯拉
发表于 2020-03-24
自动驾驶汽车利用卷积神经网络 可以学习人类决策
 对于自动驾驶汽车而言,也许有一种更好的学习驾驶的方法——观察人类。据外媒报道,澳大利亚迪肯大学的研究人员发现,借助改进的视觉校正系统,自动驾驶汽车可以通过观察人类操作员来学习。(图片来源:迪肯大学官网)该团队实施模仿学习,即从演示中学习。驾驶员驾驶一辆配备三个摄像头的汽车,从车辆前方和两侧观察周围的环境。然后,通过神经网络(基于大脑神经元如何交互处理信息的计算机系统)处理这些数据。此种方法使得车辆能够根据观察人类做出类似决策,并根据从中所学来做出决策。迪肯大学副校长Saeid Nahavandi解释说,“该过程期望仅从摄像头拍摄的图像生成一个模型,以用于自动驾驶汽车。”该处理系统具体来说是一个卷积神经网络,反映在大脑的
发表于 2020-03-16
自动驾驶汽车利用卷积神经网络 可以学习人类决策
如何学习神经网络?
1. AI 电磁车实验方法寒假留校的时候,我们自己尝试了一下,就是先让之前室外越野组的车模用他自己的八个电感用程序绕赛道跑了一下,正跑三圈反跑三圈。学习您之前推文上将用作学习的那个传感器装在车的中间,由此以这个为信号输入端,样子请见下图: 在之前公众号 AI 电磁车模图片下面是我们实验车模结构草图: 我们实验车模结构草图用无线串口通讯将采集到的数据放到电脑上,输出值为四个电感值,一个舵机中值。2. 学习训练结果我们用 MATLAB 来进行神经网络学习,神经网络学习也是去网上找各种资料,改了别人家的例程,然后勉强答出一个可以接受数据,并且来进行一个模拟学习的一个模型出来,因为输入的一共是两对横电感,一对
发表于 2020-02-17
如何学习神经网络?
GPU和神经网络加速器如何助力汽车自我思考?
汽车行业是推动人工智能(AI)发展的重要行业之一,这是因为该行业致力于自动驾驶汽车和高级驾驶员辅助系统(ADAS)的泛在利益。汽车正在变得越来越智能,但是如果汽车行业要实现完全自动驾驶的目标,他们还有很长的路要走。尽管业界还在讨论实现全自动化所需的理想技术组合,但是有一点是明确的,那就是人工智能,尤其是神经网络将发挥重要作用。神经网络神经网络的作用是执行对于传统视觉或模式识别系统来说具有挑战性的任务。通过使每个神经网络各自不同,并针对特定任务进行设计,它可以更高效、更精确地执行任务。所有神经网络的组织模式都是在多个层面上多次处理数据。因此,神经网络可以在不同的输入模式下运行十到二十次,而不是用一组特定的参数只运行一次操作。这个想法
发表于 2019-12-30
特斯拉完全自动驾驶版本可识别更多常见物
最近关于特斯拉的好消息挺多的。先是特斯拉股价突破了 420 美元,近日特斯拉的自动驾驶技术又更进一步了。 据外媒报道,由美国特斯拉车主 12 月 24 日爆料,称升级最新的 2019.40.50 系统后,特斯拉已经可以识别红绿灯和停车标志了(目前仅限搭载 HW3.0 硬件的车型),这也意味着特斯拉在技术上已经具备了实现城市道路辅助驾驶的能力。 此前,马斯克曾对外表示,会推出完全自动驾驶的预览版(FSD sneak preview)。 斯拉部分车主已经收到预览版本的“FSD(全自动驾驶)套件”,显示这家电动汽车制造商的神经网络有了长足改进,可以探测和识别出更多常见物体,比如交通灯、垃圾桶
发表于 2019-12-25
特斯拉完全自动驾驶版本可识别更多常见物
首颗国产车规级AI芯片即将量产,BPU利用率可超90%
 3 月 8 日讯,国产汽车芯片突破,首款车规级 AI 芯片即将正式前装量产。 地平线公司在官方公众号发出文章:“中国芯,擎动智驾未来”。据悉,这次的主角是其车规级芯片“征程二代”。  “征程二代”在 2019 年 8 月正式发布。该芯片集成了地平线第二代 BPU 架构(伯努利架构),可提供 4 TOPS 的等效算力,典型功耗 2W,能够更高效灵活地实现多类 AI 任务处理,对多类目标进行实时检测和识别,可应用于自动驾驶视觉感知、众包高精地图与定位、视觉 ADAS 和智能人机交互等智能驾驶场景。更重要的是,地平线为用户提供了征程二代的完整工具链,帮助
发表于 2020-03-08
首颗国产车规级AI芯片即将量产,BPU利用率可超90%
小广播
电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2020 nvwayi.com, Inc. All rights reserved
送彩金论坛 最新棋牌注册送彩金 3d黑彩平台送彩金 棋牌娱乐app送彩金 pk10机器人 送彩金棋牌网站 棋牌游戏送彩金38 qq等级送彩金线上娱乐 mg游戏送彩金无需申请 永利高网上开户送彩金