人工智能引发能源问题,我们该怎么办?(二)
demi 在 周五, 12/27/2019 - 14:28 提交![](https://cdn.eetrend.com/files/styles/picture400/public/2019-12/wen_zhang_/100046794-87601-xi.jpg?itok=qg6aq_Si)
在上一篇文章中,我们简要介绍了更高层次的问题,这些问题为优化加速器的需求奠定了基础。作为一个尖锐的问题提醒,现在让我们通过一个非常简单的图像分类算法,来看一看与之相关联的计算成本与功耗。
在上一篇文章中,我们简要介绍了更高层次的问题,这些问题为优化加速器的需求奠定了基础。作为一个尖锐的问题提醒,现在让我们通过一个非常简单的图像分类算法,来看一看与之相关联的计算成本与功耗。
在 2014 年,斯坦福大学教授 Mark Horowitz 发表了一篇题目为“计算的能源问题(以及我们该怎么办)”的论文。 如果可以的话,我想借用并改编一下 Mark 的论文标题,这样我就可以就机器学习推断应用为什么应该考虑专用硬件,分享一下我的一些观点。
今天,赛灵思开发者大会(XDF)亚洲站终于在北京拉开帷幕了,与往届 XDF 一样,每次大会我们都会为全球开发者带来一个重磅的消息。今天,赛灵思便宣布了其人工智能推断开发软件平台Vitis™ AI即日起开放免费下载,更多开发者将体验并受益于赛灵思所提供的从边缘到云的人工智能和深度学习推断加速度。
深度学习 AI 应用是解锁生产力新时代的关键,人类的创造力能够通过机器得到提高与增强。我们致力于将大量培训数据和海量数学运算用于全面训练每个神经网络。训练可使用大规模批处理功能离线进行,历时数天。经过训练的网络要投入部署,那就面临严格得多的时限要求。
Vitis™ AI 是 Xilinx 的开发平台,适用于在 Xilinx 硬件平台(包括边缘设备和 Alveo 卡)上进行人工智能推断。它由优化的 IP、工具、库、模型和示例设计组成。Vitis AI 以高效易用为设计理念,可在 Xilinx FPGA 和 ACAP 上充分发挥人工智能加速的潜力。
赛灵思视频加速技术研讨会上,讲师”廖玉峰"作演讲“高效视频处理与 AI 融合架构”。
赛灵思今天宣布其人工智能平台Zynq UltraScale+ MPSoC ZCU104 评估套件在中国人工智能产业发展联盟(AIIA)主导的“AIIA DNN Benchmark”人工智能端侧芯片基准测试V0.5版本的第二轮测试测评中,囊括参测7个网络中板卡类6项性能冠军
全国高校自动化类专业教学论坛将于2019年8月6-8日在沈阳举行(详情链接 http://www.edu-forum.cn/zdhyxb/ ),此次活动主要围绕自动化, 机器人,人工智能这几大方向举行。Xilinx受邀在此次活动中就Xilinx相关技术进行分享。
在项目中,CERN研究人员通过将AI推理和性能关键传感器的预处理在部署于大型强子对撞机(LHC)中的Xilinx Virtex Ultrascale FPGA上结合,通过自行设计的一套HLS4ML的软件工具,可定制计算极大的加速了处理能力, 并且使得神经网络推理的延时降低到100ns数量级
敢问工厂和医院,在今天这样一个万物互联的物联网时代,在人工智能几乎无处不在的时代, 你准备好升级了吗?今天 ,我们就来听听赛灵思工业、视觉、科学与医疗市场总监 Chetan Khona 如何看待人工智能在工业和医疗领域的发展,在产业升级和变革的关键时刻如何做正确的选择,而且未雨绸缪,让今天的选择同样能够适应未来的再升级、再发展