深度學習的異構加速技術（二）：螺獅殼里做道場
在“深度學習的異構加速技術（一）”一文所述的AI加速平台的第一階段中，無論在FPGA還是ASIC設計，無論 ...
原文：深度學習的異構加速技術（一）：AI 需要一個多大的“心臟”？
歡迎大家前往騰訊雲社區，獲取更多騰訊海量技術實踐干貨哦 作者：kevinxiaoyu，高級研究員，隸屬騰訊TEG 架構平台部，主要研究方向為深度學習異構計算與硬件加速 FPGA雲 高速視覺感知等方向的構架設計和優化。 深度學習的異構加速技術 系列共有三篇文章，主要在技術層面，對學術界和工業界異構加速的構架演進進行分析。 一 概述：通用 低效 作為通用處理器，CPU Central Processi ...
2017-11-20 16:48 0 2212 推薦指數：
相關推薦
GEMM-深度學習的心臟
GEMM就是BLAS中的一個功能，它實現了大矩陣之間相乘。其中必然涉及了如何讀取，存儲等問題。 參考博客：https://petewarden.com/2015/04/20/why-gemm-is-at-the-heart-of-deep-learning/ 看到這個時間分布圖你是不是震驚 ...
[AI開發]將深度學習技術應用到實際項目
本文介紹如何將基於深度學習的目標檢測算法應用到具體的項目開發中，體現深度學習技術在實際生產中的價值，算是AI算法的一個落地實現。本文算法部分可以參見前面幾篇博客： [AI開發]Python+Tensorflow打造自己的計算機視覺API服務 [AI開發]基於深度學習的視頻多目標跟蹤實現 ...
深度學習模型壓縮與加速
簡介 將深度學習模型應用於自動駕駛的感知任務上，模型預測結果的准確性和實時性是兩個重要指標。一方面，為了確保准確可靠的感知結果，我們會希望選擇多個准確性盡可能高的模型並行執行，從而在完成多種感知任務的同時，提供一定的冗余度，但這不可避免的意味着更高的計算量和資源消耗。另一方面，為了確保車輛 ...
深度學習模型壓縮與加速
深度神經網絡在人工智能的應用中，包括語音識別、計算機視覺、自然語言處理等各方面，在取得巨大成功的同時，這些深度神經網絡需要巨大的計算開銷和內存開銷，嚴重阻礙了資源受限下的使用。模型壓縮是對已經訓練好的深度模型進行精簡，進而得到一個輕量且准確率相當的網絡，壓縮后的網絡具有更小的結構和更少的參數 ...
基於Spark的異構分布式深度學習平台
導讀：本文介紹百度基於Spark的異構分布式深度學習系統，把Spark與深度學習平台PADDLE結合起來解決PADDLE與業務邏輯間的數據通路問題，在此基礎上使用GPU與FPGA異構計算提升每台機器的數據處理能力，使用YARN對異構資源做分配，支持Multi-Tenancy，讓資源的使用更有 ...
[AI開發]一個例子說明機器學習和深度學習的關系
深度學習現在這么火熱，大部分人都會有‘那么它與機器學習有什么關系？’這樣的疑問，網上比較它們的文章也比較多，如果有機器學習相關經驗，或者做過類似數據分析、挖掘之類的人看完那些文章可能很容易理解，無非就是一個強調‘端到端’全自動處理，一個在特征工程上需要耗費大量時間和精力（半自動處理）；一個算法 ...
人工智能AI智能加速卡技術
人工智能AI智能加速卡技術 一． 可編程AI加速卡 1. 概述： 這款可編程AI加速器卡具備 FPGA 加速的強大性能和多功能性，可部署AI加速器IP（WNN/GNN,直接加速卷積神經網絡，直接運行常見的網絡框架），為應用和加速器函數開發人員提供了完整的開發工具SDK，節省開發時間，支持 ...