99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

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(xiě)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

多項(xiàng)第一!Imagination神經(jīng)網(wǎng)絡(luò)加速器通過(guò)AIIA DNN benchmark評(píng)估

Dbwd_Imgtec ? 來(lái)源:YXQ ? 2019-07-12 15:23 ? 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

在6月28日南京國(guó)際博覽會(huì)議中心召開(kāi)的中國(guó)人工智能峰會(huì),中國(guó)人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟(AIIA)總體組組長(zhǎng)孫明俊主持發(fā)布了“AIIA DNN Benchmark”測(cè)評(píng)結(jié)果,Imagination的神經(jīng)網(wǎng)絡(luò)加速器通過(guò)了《AIIA DNN benchmark——人工智能端側(cè)芯片基準(zhǔn)測(cè)試評(píng)估方案 V0.5 版本》!在測(cè)試中,Imagination的神經(jīng)網(wǎng)絡(luò)加速器在多項(xiàng)測(cè)試中名列第一!

據(jù)發(fā)布的報(bào)告,在基于端側(cè)推斷任務(wù)深度神經(jīng)網(wǎng)絡(luò)處理器基準(zhǔn)測(cè)試結(jié)果中,Imagination的神經(jīng)網(wǎng)絡(luò)加速器在多個(gè)框架測(cè)試中成績(jī)名列第一!

孫明俊表示AIIA DNN Benchmark已經(jīng)制定兩套評(píng)估規(guī)范、完成兩輪端側(cè)評(píng)估評(píng)測(cè)工作,增加支持安卓和Linux操作系統(tǒng),是唯一一家區(qū)別整形和浮點(diǎn)的評(píng)測(cè)標(biāo)準(zhǔn),目前該發(fā)布結(jié)果已經(jīng)公布,

網(wǎng)址是:http://aiiaorg.cn/uploadfile/2019/0702/20190702065314379.pdf

AI 進(jìn)入爆發(fā)期后,芯片對(duì)技術(shù)進(jìn)步的影響愈發(fā)凸顯。AI 芯片益復(fù)雜化、多樣化,一方面,芯片廠商紛紛給出不同的衡量標(biāo)準(zhǔn),聲稱其產(chǎn)品在計(jì)算性能、單位能耗算力等方面處于行業(yè)領(lǐng)先水平;另一方面,需求方卻關(guān)心如何能從廠商給出的信息中判斷出芯片是否能實(shí)際滿足其真實(shí)場(chǎng)景的計(jì)算需求。針對(duì)這一現(xiàn)狀,一個(gè)與真實(shí)場(chǎng)景緊密相連的、同時(shí)跨產(chǎn)品可比的測(cè)試評(píng)估方案的出現(xiàn),迫在眉睫。

如何構(gòu)建與真實(shí)場(chǎng)景緊密相連的、面向不同產(chǎn)品形態(tài)、設(shè)備級(jí)別的 AI 加速器測(cè)試評(píng)估方案?在2018 年的AIIA 人工智能開(kāi)發(fā)者大會(huì)上,《AIIA DNN benchmark——人工智能端側(cè)芯片基準(zhǔn)測(cè)試評(píng)估方案 V0.5 版本》就由孫明俊代表中國(guó)人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟發(fā)布。

據(jù)孫明俊介紹,AIIA DNN benchmark 的工作目標(biāo)為客觀反映當(dāng)前以提升深度學(xué)習(xí)處理能力的 AI 加速器現(xiàn)狀,所有指標(biāo)均旨在提供客觀比對(duì)維度。AIIA 希望,該方案能夠?yàn)樾酒髽I(yè)提供第三方評(píng)測(cè)結(jié)果,幫助產(chǎn)品市場(chǎng)宣傳;同時(shí)為應(yīng)用企業(yè)提供選型參考,幫助產(chǎn)品找到合適其應(yīng)用場(chǎng)景的芯片。V0.5 版本首先給出了端側(cè)評(píng)估方案。

據(jù)孫明俊介紹,AI 基準(zhǔn)測(cè)試方案的制定面臨諸多挑戰(zhàn)。即便拋開(kāi)優(yōu)化程度、硬件架構(gòu)等若干問(wèn)題不談,延遲、帶寬、能耗都要納入考慮范圍。同時(shí),各種神經(jīng)網(wǎng)絡(luò)模型都有不同參數(shù),不同設(shè)備在不同參數(shù)下有不同的輸出曲線。如何讓指標(biāo)在不同級(jí)別的設(shè)備中橫向可比?而云端和終端的應(yīng)用是否需要不同的基準(zhǔn)測(cè)試?如何為不同測(cè)試項(xiàng)目分配權(quán)重,以獲得一個(gè)相對(duì)公正客觀、有代表性的評(píng)分?這些都是應(yīng)用領(lǐng)域的差異性和實(shí)現(xiàn)選擇的多樣性導(dǎo)致的測(cè)評(píng)難題。

針對(duì)以上特點(diǎn),AIIA 聯(lián)合 Arm 中國(guó)、阿里巴巴集團(tuán)、百度、寒武紀(jì)科技、ChipIntelli、地平線、華為、華大半導(dǎo)體、Imagination、Synopsys,騰訊、云之聲等 12 家企業(yè),推出了 AIIA DNN benchmark——人工智能端側(cè)芯片基準(zhǔn)測(cè)試評(píng)估方案。

AIIA DNN benchmark 以“版本迭代、不斷豐富、不斷完善”的工作方式,為更多評(píng)測(cè)應(yīng)用場(chǎng)景、評(píng)測(cè)指標(biāo)等提供評(píng)估方案,首輪測(cè)試對(duì)象主要為端側(cè)設(shè)備。AIIA DNN benchmark 的發(fā)布,能夠促進(jìn)芯片供給側(cè)與需求側(cè)的交流,讓需求方的意見(jiàn)能夠更快傳達(dá)到芯片企業(yè),讓企業(yè)進(jìn)行有針對(duì)性的改良,加快行業(yè)迭代速度,推動(dòng) AI 產(chǎn)業(yè)的快速進(jìn)步。

2017年9月,Imagination Technologies發(fā)布第一代神經(jīng)網(wǎng)絡(luò)加速器PowerVR NNA,此款NNA具有完整且獨(dú)立式的IP,在面積效率、性能運(yùn)算以及功耗等方面都具有“秒殺”競(jìng)爭(zhēng)對(duì)手的優(yōu)勢(shì)。

2018年12月,Imagination Technologies發(fā)布了其面向人工智能(AI)應(yīng)用的最新神經(jīng)網(wǎng)絡(luò)加速器(NNA)架構(gòu)PowerVR Series3NX。單個(gè)Series3NX內(nèi)核的性能可從0.6到10萬(wàn)億次操作/秒(TOPS),同時(shí)其多核實(shí)現(xiàn)可擴(kuò)展到160TOPS以上。得益于包括無(wú)損權(quán)重壓縮等架構(gòu)性增強(qiáng),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%。

Imagination在PowerVR Series3NX中增加了無(wú)損的權(quán)重壓縮特性,這種壓縮減少了需要存儲(chǔ)和通過(guò)系統(tǒng)內(nèi)存來(lái)傳遞數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型的大小,這意味著與PowerVR Series2NX相比,Series3NX提供了更加高效的總體帶寬,相比Series2NX降低了35%,同時(shí)降低了SoC的功耗。

作為Series3NX架構(gòu)的一部分,2018年年底,Imagination 還發(fā)布了PowerVR Series3NX-F(Flexible)IP配置,以提供前所未有的功能性和靈活性平衡,同時(shí)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(guò)OpenCL框架來(lái)實(shí)現(xiàn)差異化并為其產(chǎn)品增加價(jià)值。

PowerVR Series3NX能夠滿足自動(dòng)駕駛等應(yīng)用的高計(jì)算需求,實(shí)現(xiàn)了下一代真正的人工智能。通過(guò)使用Imagination的專用深度神經(jīng)網(wǎng)絡(luò)(DNN)API,開(kāi)發(fā)人員可以輕松地針對(duì)Series3NX架構(gòu)以及現(xiàn)有PowerVR GPU編寫(xiě)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(jì),目前Imagination的神經(jīng)網(wǎng)絡(luò)加速器產(chǎn)品已經(jīng)廣泛應(yīng)用在手機(jī)、安防、智慧家居領(lǐng)域。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)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
  • 加速器
    +關(guān)注

    關(guān)注

    2

    文章

    827

    瀏覽量

    39135
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4814

    瀏覽量

    103707

原文標(biāo)題:多項(xiàng)第一!Imagination神經(jīng)網(wǎng)絡(luò)加速器通過(guò)AIIA DNN benchmark評(píng)估

文章出處:【微信號(hào):Imgtec,微信公眾號(hào):Imagination Tech】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)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(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    無(wú)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(guò)對(duì)無(wú)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(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)
    發(fā)表于 06-25 13:06

    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 ?219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)

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    多層。 每層都由若干個(gè)神經(jīng)元構(gòu)成,神經(jīng)元之間通過(guò)權(quán)重連接。信號(hào)在神經(jīng)網(wǎng)絡(luò)中是前向傳播的,而誤差是反向傳播的。 卷積
    的頭像 發(fā)表于 02-12 15:53 ?676次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)分析

    BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)作為種常用的機(jī)器學(xué)習(xí)模型,具有顯著的優(yōu)點(diǎn),同時(shí)也存在些不容忽視的缺點(diǎn)。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)優(yōu)缺點(diǎn)的分析
    的頭像 發(fā)表于 02-12 15:36 ?931次閱讀

    什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

    神經(jīng)網(wǎng)絡(luò)(即反向傳播神經(jīng)網(wǎng)絡(luò))的核心,它建立在梯度下降法的基礎(chǔ)上,是種適合于多層神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)算法。該算法通過(guò)計(jì)算每層
    的頭像 發(fā)表于 02-12 15:18 ?778次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    ),是種多層前饋神經(jīng)網(wǎng)絡(luò),它通過(guò)反向傳播算法進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)由輸入層、個(gè)或多個(gè)隱藏層和輸出層組成,
    的頭像 發(fā)表于 02-12 15:15 ?868次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的基本原理

    輸入層、隱藏層和輸出層組成。其中,輸入層負(fù)責(zé)接收外部輸入數(shù)據(jù),這些數(shù)據(jù)隨后被傳遞到隱藏層。隱藏層是BP神經(jīng)網(wǎng)絡(luò)的核心部分,它可以通過(guò)層或多層神經(jīng)元對(duì)輸入數(shù)據(jù)進(jìn)行加權(quán)求和,并
    的頭像 發(fā)表于 02-12 15:13 ?871次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上篇文章中,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種算法。在本文中,我們會(huì)介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡(luò) ? 人工
    的頭像 發(fā)表于 01-09 10:24 ?1215次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    神經(jīng)網(wǎng)絡(luò),也稱為全連接神經(jīng)網(wǎng)絡(luò)(Fully Connected Neural Networks,F(xiàn)CNs),其特點(diǎn)是每層的每個(gè)神經(jīng)元都與下
    的頭像 發(fā)表于 11-15 14:53 ?1884次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    傳統(tǒng)神經(jīng)網(wǎng)絡(luò)(前饋神經(jīng)網(wǎng)絡(luò)) 2.1 結(jié)構(gòu) 傳統(tǒng)神經(jīng)網(wǎng)絡(luò),通常指的是前饋神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Networks, FNN),是
    的頭像 發(fā)表于 11-15 09:42 ?1136次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機(jī)制

    的結(jié)構(gòu)與工作機(jī)制的介紹: 、LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)主要包括以下幾個(gè)部分: 記憶單元(Memory Cell) : 記憶單元是LSTM網(wǎng)絡(luò)的核心,負(fù)責(zé)在整個(gè)序列
    的頭像 發(fā)表于 11-13 10:05 ?1639次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)RNN的區(qū)別

    神經(jīng)網(wǎng)絡(luò)(RNN) RNN的基本結(jié)構(gòu) RNN是種特殊的神經(jīng)網(wǎng)絡(luò),它能夠處理序列數(shù)據(jù)。在RNN中,每個(gè)時(shí)間步的輸入都會(huì)通過(guò)個(gè)循環(huán)結(jié)構(gòu)傳遞到
    的頭像 發(fā)表于 11-13 09:58 ?1221次閱讀

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    Moku3.3版更新在Moku:Pro平臺(tái)新增了全新的儀器功能【神經(jīng)網(wǎng)絡(luò)】,使用戶能夠在Moku設(shè)備上部署實(shí)時(shí)機(jī)器學(xué)習(xí)算法,進(jìn)行快速、靈活的信號(hào)分析、去噪、傳感調(diào)節(jié)校準(zhǔn)、閉環(huán)反饋等應(yīng)用。如果您
    的頭像 發(fā)表于 11-01 08:06 ?669次閱讀
    Moku人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

    matlab 神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析

    matlab神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析 精通的可以討論下
    發(fā)表于 09-18 15:14

    FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)作為其核心算法之,在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域取得了顯著成果。然而,傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-24 10:42 ?1223次閱讀