本文摘要:曾经多次芯片巨头全面接受人工智能的变革。

安徽华路塑料制品有限公司

曾经多次芯片巨头全面接受人工智能的变革。但是,之前杨家输给微软公司的压力,其中有NVIDIA逃跑,后来有Google等网络富二代的迎击,英特尔会用人工智能照亮未来的道路吗? 关于AI,CPU和GPU哪个更合适? 要问这个问题,必须从CPU和GPU的体系结构中回忆起来。这是一个非常复杂的学术问题,满足了一些技术水平。这张照片可以更直观地理解CPU和GPU的区别。

CPU和GPU的架构图像(图像来自电子工程学)图像中绿色的是计算单元,橙色的是存储器单元,橙色的是控制单元。GPU使用了很多计算单元和长流水线,但只有非常简单的控制逻辑。

CPU有简单的控制逻辑和很多优化电路,但计算能力只是一小部分。因此,GPU擅长大规模发行的计算,仅限于数据并行度低的计算密集型程序(用完全相同的算法重复计算不同的数据)。

另一方面,CPU阶段性拒绝低,对数据的依赖性不低,能恰当地处理多种任务。2016年人工智能概念再次进入南北大众视野时,阿尔法戈的人气迅速关注深度自学的概念,相对于必须并行计算处理大量数据的深度自学,GPU的优势一定会缩小,但从人工智能的原始路径来看,CPU和原始人工智能的应用表明,前期的数据提供和最后的信息决定CPU比较擅长,中间大量的数据计算GPU更擅长。“例如面部识别的应用,在前期图像的收集、数据的存储方面,CPU上运营最差,之后GPU必须管理大量的段识别计算,最后的识别结果必须与其他信息相关联地进行决策的情况下,或者必须与其他传感器和通道整合信息。

》英特尔中国研究院院长宋继强拒绝ZOL视频采访时举了例子。我是英特尔中国研究院的宋继强院长,但GPU不是并行计算的唯一平台。没有具体的数据算法,就必须通过大量的实验确认哪个算法更合适,GPU的效率就不那么灵活。

但是,算法相同时,GPU的功能可以替换为专门针对人工智能AI优化的高速芯片。目前,英特尔享有FPGA和Nervana两种硬件加速芯片,不需要CPU的指令调度,需要优化硬件和算法,继续高效运行。这种专用的高速芯片需要解决问题计算密度、内存比特率等问题并优化性能。

澳门ag贵宾厅

“考虑到尺寸、功耗、价格等,前端设备的专用加速器芯片是最糟糕的自由选择。加速芯片特别适合用前端机器实现计算机视觉,因为是小规模的深度自学网络,所以很少出现在无人机和人工智能相机上。”。

宋继强院长回应了。

本文关键词:澳门ag贵宾厅,澳门ag,安徽华路塑料制品有限公司

本文来源:澳门ag贵宾厅-www.ahhualu.com