實(shí)錘了!人工智能走向多元化即將帶來(lái)計(jì)算機(jī)重大改革

責(zé)任編輯:zsheng

2019-02-28 08:48:08

摘自:手機(jī)中國(guó)

谷歌、蘋(píng)果、IBM、英特爾已經(jīng)建立了加速神經(jīng)網(wǎng)絡(luò)的神經(jīng)處理器,它們大多被部署為運(yùn)行AI模型的協(xié)同處理器。但隨著對(duì)智能應(yīng)用程序需求的增長(zhǎng),系統(tǒng)也將做出更多的調(diào)整。

谷歌、蘋(píng)果、IBM、英特爾已經(jīng)建立了加速神經(jīng)網(wǎng)絡(luò)的神經(jīng)處理器,它們大多被部署為運(yùn)行AI模型的協(xié)同處理器。但隨著對(duì)智能應(yīng)用程序需求的增長(zhǎng),系統(tǒng)也將做出更多的調(diào)整。

人工智能

在計(jì)算機(jī)視覺(jué)的常用應(yīng)用中,移動(dòng)多幀高分辨率視頻強(qiáng)調(diào)了I/O子系統(tǒng)。目前,架構(gòu)師和計(jì)算機(jī)科學(xué)家仍在學(xué)習(xí)如何優(yōu)化數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)表示方式。例如,Medusa中所指出的,多端口DNN加速器和寬DRAM控制器接口的互連。每個(gè)端口都具有獨(dú)立的DRAM訪問(wèn)權(quán)限,因此,必須使用內(nèi)存互連才能將寬DRAM控制器接口互聯(lián)到大量窄讀寫(xiě)端口,并同時(shí)保持最大的帶寬效率。

當(dāng)DRAM帶寬跨DRAM端口均勻分區(qū)時(shí),DNN是最有效的。由于DRAM可以占到總能源消耗的90%,最小化內(nèi)存邏輯就可以為計(jì)算機(jī)節(jié)約成本了。內(nèi)存訪問(wèn)不是傳統(tǒng)工作負(fù)載和人工智能工作負(fù)載之間的唯一區(qū)別,但隨著人工智能應(yīng)用程序的復(fù)雜化,x86和ARM將越來(lái)越不相關(guān)。

鏈接已復(fù)制,快去分享吧

企業(yè)網(wǎng)版權(quán)所有?2010-2024 京ICP備09108050號(hào)-6京公網(wǎng)安備 11010502049343號(hào)