解读主流的人工智能芯片

  • 时间:
  • 浏览:0
  • 来源:uu快3下载网址_uu快3IOS下载_电脑版

  人工智能的高级阶段是宽度学习,而对于宽度学习过程则可分为训练和推断一个多环节:训练环节通常都要通过少许的数据输入或采取增强学习等非监督学习法律土依据,训练出一个多冗杂的宽度神经网络模型。训练过程可能性涉及海量的训练数据和冗杂的宽度神经网络特征,都要的计算规模非常庞大,通常都要GPU集群训练几天甚至数周的时间,在训练环节GPU目前暂时扮演着难以轻易替代的角色。推断环节指利用训练好的模型,使用新的数据去“推断”出各种结论,如视频监控设备通完后 台的宽度神经网络模型,判断一张抓拍到的人脸有无属于黑名单。其实推断环节的计算量相比训练环节少,但仍然涉及少许的矩阵运算。

2018年1月9日,全球规模最大的2018北美消费电子产品展在美国拉斯维加斯拉开帷幕。本次参展的科技企业超过10000家,包括高通、英伟达、英特尔、LG、IBM、百度在内的业界科技巨头纷纷发布了本人最新的人工智能芯片产品和战略,作为本届展会的最大看点,人工智能芯片等嵌入式产品无疑受到了最为广泛的关注。

  谷歌推出的TPU可是我 一款针对宽度学习加速的ASIC芯片,或者TPU被安里装AlphaGo系统中。但谷歌推出的第一代TPU仅能用于推断,不可用于训练模型,但随着TPU2.0的发布,新一代TPU除了都还可以 支持推断以外,还能高效支持训练环节的宽度网络加速。根据谷歌披露的测试数据,谷歌在自身的宽度学习翻译模型的实践中,可能性在32块顶级GPU上并行训练,都要一整天的训练时间,而在TPU2.0上,八分之一个多TPUPod(TPU集群,每6一个多TPU组成一个多Pod)就能在6个小时内完成同样的训练任务。

  1.FPGA

  类人脑芯片架构是一款模拟人脑的新型芯片编程架构,类似于芯片的功能类似于于大脑的神经突触,避免器类似于于神经元,而其通讯系统类似于于神经纤维,都还可以 允许开发者为类人脑芯片设计应用多线程 。通过类似于神经元网络系统,计算机都还可以 感知、记忆和避免少许不同的情况表。

  3.GPU

  即专用集成电路,本身生活集成少许基本门电路及存储器的芯片,可通过烧入FPGA配置文件来来定义那些门电路及存储器间的连线,从而实现特定的功能。或者烧入的内容是可配置的,通过配置特定的文件可将FPGA转变为不同的避免器,就如一块可重复刷写的白板一样。FPGA有低延迟的特点,非常适合在推断环节支撑海量的用户实时计算请求,如语音识别。可能性FPGA适合用于低延迟的流式计算密集型任务避免,原因分析 FPGA芯片做面向与海量用户高并发的云端推断,相比GPU具备更低计算延迟的优势,才能提供更佳的消费者体验。在类似于领域,主流的厂商包括Intel、亚马逊、百度、微软和阿里云。

  即专用集成电路,不可配置的宽度定制专用芯片。特点是都要少许的研发投入,可能性只能保证出货量其单颗成本难以下降,或者芯片的功能一旦流片后则无更改余地,若市场宽度学习方向一旦改变,ASIC前期投入将无法回收,原因分析 ASIC具有较大的市场风险。但ASIC作为专用芯片性能高于FPGA,如能实现高出货量,其单颗成本可做到远低于FPGA。

  4.类人脑芯片

  GPU并非 会被选为超算的硬件,是可能性目都要求最高的计算问提报告 正好非常适合并行执行。一个多主要的例子可是我 宽度学习,这是人工智能(AI)最先进的领域。宽度学习以神经网络为基础。神经网络是巨大的网状特征,其中的节点连接非常冗杂。训练一个多神经网络学习,很像这本人大脑在学习时,建立和增强神经元之间的联系。从计算的宽度说,类似于学习过程都还可以 是并行的,或者它都还可以 用GPU硬件来加速。类似于机器学习都要的例子数量可是我,同样也都还可以 用并行计算来加速。在GPU上进行的神经网络训练能比CPU系统快类似于倍。目前,全球70%的GPU芯片市场都被NVIDIA发生,包括谷歌、微软、亚马逊等巨头也通过购买NVIDIA的GPU产品扩大另一方数据中心的AI计算能力。

  在推断环节,除了使用CPU或GPU进行运算外,FPGA以及ASIC均能发挥重大作用。目前,主流的人工智能芯片基本全是以GPU、FPGA、ASIC以及类脑芯片为主。

  2.ASIC

  即图形避免器。最初是用在另一方电脑、工作站、游戏机和类似于移动设备上运行绘图运算工作的微避免器,都还可以 快速发生理图像上的每一个多像素点。就让科学家发现,其海量数据并行运算的能力与宽度学习需求不谋而合,或者,被最先引入宽度学习。2011年吴恩达教授率先将其应用于谷歌大脑中便取得惊人效果,结果表明,12颗英伟达的GPU都还可以 提供至少10000颗CPU的宽度学习性能,完后 纽约大学、多伦多大学以及瑞士人工智能实验室的研究人员纷纷在GPU上加速其宽度神经网络。