深度学习的异构加速技术（二）：螺狮壳里做道场
在“深度学习的异构加速技术（一）”一文所述的AI加速平台的第一阶段中，无论在FPGA还是ASIC设计，无论 ...
原文：深度学习的异构加速技术（一）：AI 需要一个多大的“心脏”？
欢迎大家前往腾讯云社区，获取更多腾讯海量技术实践干货哦 作者：kevinxiaoyu，高级研究员，隶属腾讯TEG 架构平台部，主要研究方向为深度学习异构计算与硬件加速 FPGA云 高速视觉感知等方向的构架设计和优化。 深度学习的异构加速技术 系列共有三篇文章，主要在技术层面，对学术界和工业界异构加速的构架演进进行分析。 一 概述：通用 低效 作为通用处理器，CPU Central Processi ...
2017-11-20 16:48 0 2212 推荐指数：
相关推荐
GEMM-深度学习的心脏
GEMM就是BLAS中的一个功能，它实现了大矩阵之间相乘。其中必然涉及了如何读取，存储等问题。 参考博客：https://petewarden.com/2015/04/20/why-gemm-is-at-the-heart-of-deep-learning/ 看到这个时间分布图你是不是震惊 ...
[AI开发]将深度学习技术应用到实际项目
本文介绍如何将基于深度学习的目标检测算法应用到具体的项目开发中，体现深度学习技术在实际生产中的价值，算是AI算法的一个落地实现。本文算法部分可以参见前面几篇博客： [AI开发]Python+Tensorflow打造自己的计算机视觉API服务 [AI开发]基于深度学习的视频多目标跟踪实现 ...
深度学习模型压缩与加速
简介 将深度学习模型应用于自动驾驶的感知任务上，模型预测结果的准确性和实时性是两个重要指标。一方面，为了确保准确可靠的感知结果，我们会希望选择多个准确性尽可能高的模型并行执行，从而在完成多种感知任务的同时，提供一定的冗余度，但这不可避免的意味着更高的计算量和资源消耗。另一方面，为了确保车辆 ...
深度学习模型压缩与加速
深度神经网络在人工智能的应用中，包括语音识别、计算机视觉、自然语言处理等各方面，在取得巨大成功的同时，这些深度神经网络需要巨大的计算开销和内存开销，严重阻碍了资源受限下的使用。模型压缩是对已经训练好的深度模型进行精简，进而得到一个轻量且准确率相当的网络，压缩后的网络具有更小的结构和更少的参数 ...
基于Spark的异构分布式深度学习平台
导读：本文介绍百度基于Spark的异构分布式深度学习系统，把Spark与深度学习平台PADDLE结合起来解决PADDLE与业务逻辑间的数据通路问题，在此基础上使用GPU与FPGA异构计算提升每台机器的数据处理能力，使用YARN对异构资源做分配，支持Multi-Tenancy，让资源的使用更有 ...
[AI开发]一个例子说明机器学习和深度学习的关系
深度学习现在这么火热，大部分人都会有‘那么它与机器学习有什么关系？’这样的疑问，网上比较它们的文章也比较多，如果有机器学习相关经验，或者做过类似数据分析、挖掘之类的人看完那些文章可能很容易理解，无非就是一个强调‘端到端’全自动处理，一个在特征工程上需要耗费大量时间和精力（半自动处理）；一个算法 ...
人工智能AI智能加速卡技术
人工智能AI智能加速卡技术 一． 可编程AI加速卡 1. 概述： 这款可编程AI加速器卡具备 FPGA 加速的强大性能和多功能性，可部署AI加速器IP（WNN/GNN,直接加速卷积神经网络，直接运行常见的网络框架），为应用和加速器函数开发人员提供了完整的开发工具SDK，节省开发时间，支持 ...