双色球2019097开奖直播:專用DSP核心助陣 SoC支持AI算法非難事

來源:百度  [  文檔由 文庫教父026 貢獻   ]  責編:王強  |  侵權/違法舉報

049期双色球开奖直播 www.lvelns.com.cn 專用DSP核心助陣SoC支持AI算法非難事

  雖然英特爾(Intel)、NVIDIA等芯片大廠近期在人工智能(AI)、神經網絡(NN)、深度學習(Deep Learning)等領域動作頻頻,但半導體領域的其他業者也沒閑著,而且其產品發展策略頗有以鄉村包圍城市的味道。益華計算機(Cadence)旗下的CPU/DSP處理器核心授權公司Tensilica,近期便發表針對神經網絡算法設計的C5 DSP核心授權方案。在16奈米制程條件下,該核心所占用的芯片面積約僅1平方公厘,卻可提供達到1TMAC的運算效能,而且功耗遠比CPU、GPU等處理器更低,適合各種嵌入式運算裝置使用。

?  Cadence Tensilica營銷資深事業群總監Steve Roddy表示,神經網絡技術正以飛快的速度演進。根據該公司所收集的數據顯示,在2012~2015年間,每幾個月就有新的神經網絡算法問世,且復雜度均比先前的算法明顯增加。

在短短3年內,神經網絡算法的復雜度已增加16倍,遠超過摩爾定律的發展速度。

?  也由于神經網絡算法演進的速度比半導體技術進步的速度還快,因此神經網絡算法的開發者只能用內建更多處理器核心的硬件來執行新的算法。但這種作法只能在云端數據中心行得通,無法適用于功耗、體積與成本均受到嚴格限制的嵌入式裝置。

?  另一方面,目前神經網絡算法大多在通用型CPU、GPU芯片上執行,也是一種遷就于現實的結果。CPU、GPU是已經大量生產的芯片,取得容易且成本遠比自己打造ASIC來得低,而且對算法開發者來說,CPU跟GPU提供很好的編程環境與應用設計靈活性,這也是ASIC所比不上的。

?  事實上,Tensilica也認為,利用硬件加速器這類ASIC來執行神經網絡算法,絕對是一條行不通的路。因為ASIC設計通常需要數個月到1年時間,

  • 本文相關:
  • 空間矢量調制算法的DSP實現
  • 基于DSP的空間電壓矢量法PWM的研究
  • 基于+DSP+的磷酸鐵鋰電池+SOC+預測方法的實
  • 空間電壓矢量算法及其在DSP上的工程實現
  • How to boot ARM+DSP SOC
  • 基于DSP指紋識別核心算法的設計與實現
  • DSP指紋識別核心算法的設計與實現
  • 基于DSP3000的SoC芯片系統總線與接口設計
  • dsp soc arm fpga
  • 音頻專用DSP的軟件設計方法
  • 049期双色球开奖直播 www.lvelns.com.cn true //www.lvelns.com.cn/wendangku/zds/fdcg/j3d86276aecv/k0975f46527d3240c844768eaa063l.html report 785 專用DSP核心助陣SoC支持AI算法非難事  雖然英特爾(Intel)、NVIDIA等芯片大廠近期在人工智能(AI)、神經網絡(NN)、深度學習(Deep Learning)等領域動作頻頻,但半導體領域的其他業者也沒閑著,而且其產品發展策略頗有以鄉村包圍城市的味道。益華計算機(Cadence)旗下的CPU/DSP處理器核心授權公司Tensilica,近期便發表針對神經網絡算法設計的C5 DSP核心授權方案。在16奈米制程條件下,該核心所占用的芯片
    • 猜你喜歡
      • 24小時熱文
      • 本周熱評
        圖文推薦
        • 最新添加
        • 最熱文章
          精彩推薦
          讀過此文的還讀過