#物聯網IoT #人工智慧AI #嵌入式系統 #神經網路NeuralNetworks #機器學習MachineLearning #深度學習DeepLearning #中央處理器CPU #繪圖處理器GPU #特定應用積體電路ASIC #邊緣運算EdgeComputing #高效運算HPC #虛擬實境VR #自駕車
【AI is Eating Software! How Come?】
GPU (繪圖處理器) 已成大數據運算、分析、排序等平行運算的骨幹。GPU 鼻祖可追溯至輝達 (NVIDIA) 於 1999 年首推、專職幾何轉換並改進光影表現的 GeForce 256;2008 年,受惠於資訊大廠力拱 OpenCL 跨平台應用程式介面 (API),終將 GPU 推上「超級電腦」舞台。2015 年,「JETSON TX1」模組的每秒浮點運算能力達陣 Tera 等級,為 NVIDIA 打開深度學習 (Deep Learning)、電腦視覺等嵌入式人工智慧 (AI) 市場。
NVIDIA 創辦人暨執行長黃仁勳認為,軟體發展將因深度學習而有巨大改變,但前提是:有強大的運算能力。受限於半導體物理特性,摩爾定律已近尾聲;取而代之的是,另一股新興力量正在崛起——基於 GPU 的全新演算法和運算架構,讓它與 CPU 並行協作、加速運算。為何要讓機器自己寫軟體?黃仁勳強調,AI 可解決以往軟體編程無法解決的問題,例如,長時間做光線追蹤,這也呼應了稍早「AI is eating Software」的說法。此外,開發者多半有各自偏好的架構及工具,在編譯 (Compiler) 時或將遭遇版本相容性問題……。
延伸閱讀:
《「深度學習」堆疊不簡單!NVIDIA 讓機器自己寫軟體》
http://compotechasia.com/a/____//2017/1114/37277.html
(點擊內文標題即可閱讀全文)
#輝達NVIDIA #JETSON #JetPack SDK #DIGITS應用程式 #Isaac虛擬實驗室 #Pascal #CUDA #Holodeck #Tesla #Volta #DGX SATURNV #HGX #NVLink高速互連介面 #NVDocker #DRIVE PX 2 #OpenAI
★★【智慧應用開發論壇】(FB 不公開社團:https://www.facebook.com/groups/smart.application/) 誠邀各界擁有工程專業或實作經驗的好手參與討論,採「實名制」入社。申請加入前請至 https://goo.gl/forms/829J9rWjR3lVJ67S2 填寫基本資料,以利規劃議題方向;未留資料者恕不受理。★★
神經網路neuralnetworks 在 COMPOTECHAsia電子與電腦 - 陸克文化 Facebook 的最佳解答
#物聯網IoT #人工智慧AI #神經網路NeuralNetworks #機器學習MachineLearning #深度學習DeepLearning #中央處理器CPU #繪圖處理器GPU #視覺處理器VPU #現場可編程邏輯陣列FPGA #特定應用積體電路ASIC #邊緣運算EdgeComputing
【什麼是 NNP?與 GPU、VPU 有何不同?還在霧裡看花?】
如果說,物聯網是科技業界的「下一件大事」,那麼,人工智慧 (AI) 就是下一個產業巨浪。目前 AI 運用還停留在描述、診斷型的初級操作,但用於預測、指示及認知的進階分析正在興起。深度學習 (Deep Learning) 只是核心起點,向外擴展至神經網路和機器學習,才是最終應用取向。
以人臉辨識為例,典型的機器學習只是以臉部 T 字部位為基準、定出若干重點函數,然後透過支援向量機 (Support Vector Machine, SVM)、隨機森林 (Random Forest)、原始貝氏機率 (Naive Bayes) 演算,建立決策樹 (Decision Trees) 模型、進行邏輯迴歸 (Logistic Regression) 分析,最終加以組合。
然而,結合神經網路的「深度學習」可沒這麼簡單!它須建置好幾個運算層,至少包括 6,000 萬個參數,以擷取資料找出特徵、在抽象層萃取特性;期借助更多資料改善效能、提高表徵再現能力 (Representational Power)。新近英特爾 (Intel) 所發佈的 Nervana 類神經網路處理器 (Neural Network Processor, NNP) 已引發高度關注,因為它是業界首款專為類神經網路 (Neural Network) 所設計的晶片。
NNP 與繪圖處理器 (GPU) 或特定視/聽硬體加速器最大的不同在於:它不只是訓練或推論,而是懂得進一步根據模式/型態 (pattern) 與關聯性 (association),仿效人腦「做決策」!是通往自主學習的開端。為盡可能彌平認知過程的時間落差 (運算週期),NNP 改用軟體管理片上記憶體;既避免快取記憶體 (Cache) 殘留片段不一致的問題,又可極大化每個矽晶裸片的運算利用率。
延伸閱讀:
《仿效人腦決策!Intel Nervana NNP 開先河》
http://compotechasia.com/a/____//2017/1114/37278.html
(點擊內文標題即可閱讀全文)
#英特爾Intel #Nervana #NNP #Crest #LakeCrest #Xeon #Stratix10 #MovidiusMyriad2 #神經運算棒NCS #Mobileye #ProjectBrainwave #NervanaAI學院計畫 #NervanaDevCloud #Coursera #MobileODT #Kaggle
★★【智慧應用開發論壇】(FB 不公開社團:https://www.facebook.com/groups/smart.application/) 誠邀各界擁有工程專業或實作經驗的好手參與討論,採「實名制」入社。申請加入前請至 https://goo.gl/forms/829J9rWjR3lVJ67S2 填寫基本資料,以利規劃議題方向;未留資料者恕不受理。★★
神經網路neuralnetworks 在 Machine learning - Artificial Neural Networks 類神經網路學習 的推薦與評價
Artificial Neural Networks 類神經網路概論( 未完成) 簡介類神經網絡是一種受生物學啟發而產生的一種模擬人腦的學習系統。 Youtube - 介紹神經元與類 ... ... <看更多>