好多人都希望活在圈子裡。
因為,圈子裡有溫暖。
所謂溫暖,就是這裡有一群脾氣相投的人,說彼此投緣的話,同聲相和,同氣相求。
這種感覺,恍若在陌生的世界走了太久,一下子找到了組織。溫暖感,其實就是一種知音感。
最小的圈子,只幾個閨蜜,若干死黨。大點的圈子呢,譬如各種沙龍,或者某個協會,甚至一些掛羊頭賣點狗肉大談信仰愛與和平什麼的也都是啊。
一夥人,愛好相近也好,臭味相投也罷,總之湊到了一起。
往惡心了說,圈子,就是那個你再混賬也有人呼應你的風騷的地方。
這是一種自我生命的歸屬感。一個人在精神天地裡,總得要嗅著氣味,找到同類。
沒有同類的生活是孤獨的。孤獨的意思是,你活得精彩沒有人欣賞,活到落魄沒有人疼惜,儘管身邊人來人往,卻好像被全世界遺忘。這樣的孤獨,是多麼深的蒼涼。
所以,許多人一旦沈溺到圈子裡,就不願再出來了。時間久了,圈子的溫暖,成了生命所必須的熱鬧。
陷在圈子裡,其實是留戀在熱鬧裡,不能自拔。有時候,明知道圈子會荒廢了自己,甚至毀滅了自己,但就是不能拔腿出來。因為,這樣的熱鬧一旦失去,屬於生命的滋味就會盡失。這種冷清和落寞,是自己所不能承受的。
再有理想的人,廝混於這樣的圈子之中,也難免志向灰飛煙滅。
圈子有溫暖,也生是非。小圈子會生小恩怨,大圈子會生大是非。看似志趣相近的人走到了一起,卻難免各自心懷鬼胎。
有人使壞,就有人受傷。有人在背後說三道四,就會有人躺著無辜中槍。這是圈子不好玩的地方。
你們身邊應該都有這樣的人,入了某個圈子,一天到晚,吃喝玩樂,形影不離,一幫人好得跟三生有幸似的。但,沒多長時間,就臭了。
很快,他閃退又入了另一個圈子,且喜上眉梢。他說,這次的人錯不了,都是商界領袖大公司老闆什麼的,素質好,修養高。然而,沒半年,又臭了,還直罵那些人勢利眼。
我問過這些人,既然這樣,為什麼還要跟這些人混在一起。他說,不就是圖個人脈嗎。
原來,這一類人都是奔著利用別人去的。
可笑至極!
奔著互相利用而結成的圈子,易結,也易散。這個世界,利益的鏈條最脆弱,跟利益談友誼,就像對渣男動感情一樣,你全心全意換來的,只能是三心二意,或虛情假意。
一個圈子,一旦有了利益的交易,就容易藏污納垢,再華麗的圈子,最後,都會淪陷在骯髒和不堪裡。
乾淨的圈子,風格都淡泊,只是喝喝茶,聊聊天,彼此祝福,人人都是善意的第三者,然後結束回家鳥獸散,一點都沒壓力。你可以瘋一點,傻一點,這都沒有關係。
乾淨的圈子,易養乾淨的人,乾淨的靈魂,不帶目的,只帶光芒。你可以卸下面具,率真地活在這些人周圍,而無須為這樣的率真付出什麼損失。在這樣的圈子裡,你是輕鬆的,自由的,完全不用設防。
早安,歡迎你們來到我精心打造的乾淨圈子!
►台灣地區 博客來網路書店:
https://reurl.cc/gWgaNz
游祥禾簽名本越早買越有機會獲得作者親筆簽名版
►新馬地區 城邦閱讀花園
https://is.gd/IeuMuv
游祥禾簽名本越早買越有機會獲得作者親筆簽名版
同時也有2部Youtube影片,追蹤數超過3萬的網紅Hey I'm Alice,也在其Youtube影片中提到,Hey I'm Alice 嗨我是愛麗絲 #SHEIN #開箱 #穿搭 目前對於SHEIN的第一印象還可以 以上身衣服來說我覺得可以再次消費 但就是下半身完全不會想再買,或是要跟靜茹借個勇氣?! (但有一次退換貨的機制蠻不錯的,退款速度也快,我是用刷卡的) 洋裝跟某些風格單品還沒有買過,未來有機會也...
「鏈條全目半目」的推薦目錄:
- 關於鏈條全目半目 在 Facebook 的最佳解答
- 關於鏈條全目半目 在 聲音訓練專家-周震宇 Facebook 的最佳解答
- 關於鏈條全目半目 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於鏈條全目半目 在 Hey I'm Alice Youtube 的最佳解答
- 關於鏈條全目半目 在 Dd tai Youtube 的最佳貼文
- 關於鏈條全目半目 在 尤金劇場技術課講堂:鍊條修整與拆裝教學 - YouTube 的評價
- 關於鏈條全目半目 在 鏈條全目半目惰輪鏈條拆解器 - Facebook 的評價
- 關於鏈條全目半目 在 傳動鏈條規格的推薦與評價,FACEBOOK 的評價
- 關於鏈條全目半目 在 機械鏈條、傳動鏈條在PTT/mobile01評價與討論 - 台鐵車站資訊 ... 的評價
- 關於鏈條全目半目 在 機械鏈條、傳動鏈條在PTT/mobile01評價與討論 - 台鐵車站資訊 ... 的評價
鏈條全目半目 在 聲音訓練專家-周震宇 Facebook 的最佳解答
【表演系兩年的臺詞課想一個月補上?不可能!】
2018-02-09 08:35:43 來源: 新京報
「不瞪眼、不面癱、有表情、能哭」已經成了評價一個演員是否有演技的基礎要素,而表演的另外一面「臺詞」,正在被從這個標準剝離出去,臺詞正在成為配音演員的工作。以至於最近趙立新、韓雪等演員在綜藝節目中秀了一把臺詞功底後,就讓觀眾有了發現新大陸的感覺。但在臺詞老師們的眼中,臺詞和表演素來不可分割。
新京報記者專訪了中央戲劇學院、北京電影學院和上海戲劇學院的幾位臺詞老師,解析目前表演和後期配音割裂、科班學生臺詞水準堪憂等現象的原因。
1 配音濫用 - 演員軋戲頻繁哪有時間背臺詞
最近幾年大熱的劇集不僅捧紅了許多演員,還帶火了一批幕後配音演員,他們的聲音幾乎全年無休地出現在各種劇集中。觀眾一方面被配音演員的聲音圈粉,另一方面也開始對「不同的劇集,熟悉的聲音」感到疲倦。
很多劇,尤其是古裝劇,現場收音可能會導致聲音上的穿幫,但無法同期收音跟必須起用配音演員之間卻沒有必然的因果關係。「就算是後期配音,如果對自己的專業和塑造出的人物有要求,哪個演員願意讓別人來給自己配音?」中央戲劇學院臺詞老師吉璟津說。
接受採訪的幾位老師都不約而同地提到了口音問題,上海戲劇學院的臺詞老師孫魚洋表示,臺詞教學第一階段要完成的重要任務就是矯正學生的地方口音,不然之後的戲路會受到限制。
一些古裝劇因為棚外拍的戲份多,同時段有若干劇齊拍,而不得不用配音,但在現代劇中,配音現象仍然屢見不鮮。除了口音出戲和臺詞功底不過關,軋戲也會導致演員沒有時間背臺詞。「他橫店有戲,車墩有戲,懷柔還有戲,哪有時間去琢磨人物、背臺詞呢?有些人就只能靠導演現場講戲,直接告訴他這場幹什麼,再不行就念數字臺詞。」吉璟津無奈地說。
知名配音演員姜廣濤(曾為《琅琊榜》藺晨配音)曾表示,「配音演員最為本職的工作其實是譯製片和動畫片,現在我們配這麼多國產電視劇完全是個美麗的誤會。」
「表演和臺詞一個是手心一個是手背。用配音演員,其實是把這件事割裂了,變成了兩個巴掌。」這種割裂讓北京電影學院的臺詞老師劉中哲很擔心,他害怕配音過分使用會給觀眾帶來錯誤的引導。
「國外配音演員大多受過表演訓練,但國內不少配音演員學的是播音主持,配音時容易過於『拿捏』,劉中哲認為,缺乏表演訓練會讓配音演員難以應對不同的角色,他提到了這幾年的熱劇,「適合清宮戲小清新范兒的配音演員,不一定能駕馭戰國時期的野性之美,所以《羋月傳》的配音就感覺很空。」
吉璟津提到《雞毛飛上天》中張譯的表演,東北籍的張譯用自己的聲音詮釋了一個地道的浙江商人,「語言成立,這個人物形象就完成了一半,慢慢地觀眾會相信你就是那個人物。」
2 悖論 - 學生無心上課忙拍戲,出校門卻急著補課
劉中哲經常會給學生們推薦一些經典的國外電視劇,讓他們去觀摩學習。之前,他推薦了英國的莎士比亞作品改編劇《空王冠》,但過了一段時間再問起時,全班僅有兩個人看了。
和其他院校的大學生相比,影視院校的學生要面臨另外的誘惑,通告、綜藝、拍戲等工作在讀書階段就紛至遝來,尤其某些讀大學之前就已成名的學生,更是需要持續的曝光保證人氣。
吉璟津表示,多數表演學院都明令禁止在校生外出接戲。但即便是不外出拍戲、錄綜藝,一些學生也難以保證每天出早功,認真練習課堂學到的方法。「生活中不鞏固,說話含糊不清,或者跟家人和老家的朋友打一個電話就又說回了方言,想要基本功扎實就一定得讓專業融入生活。」
校園裡有些學生無心上課,急著進圈子拍戲,進了圈子的不少人卻開始急著找老師補課。劉中哲常常接到一些臺詞和表演指導的工作,但授課方式讓他越來越難以忍受,有演員一到了試鏡的時候就拿著劇本來找他,最急的時候晚上給劇本,第二天就要試鏡,「這已經不是表演課了,這是創作課。」
有些演員甚至會把老師提供的粗略的表演框架,直接定型套用在戲中,劉中哲再也不願意給這樣的演員上課。在他看來,臺詞表演是門慢功夫,需要花時間來打磨和思考,「就杜十娘怒沉百寶箱那一小段臺詞,要想講清楚,就得用上十節課。」
3 高校臺詞教學 - 學生思維僵化,無法理解感於心、發於聲
高校的臺詞課堂並不神秘,乍看之下,有些基本課程甚至和諸多藝考培訓班的培訓頗為相似。在上述幾大高校的表演系,臺詞必修課通常持續兩年到兩年半的時間。「氣息、聲音、咬字是第一階段的入門訓練,儘管基礎,但也需要在課堂外下足工夫練習。吉璟津介紹,『出早功』是中戲的傳統,要求學生每天早上花45分鐘到1個小時的時間練習課程內容。
高校也會引進一些國外的教學方法,上海戲劇學院這幾年引入了林克萊特聲音訓練法,這套理論強調“放飛自然之聲」,有論文表述過林克萊特認為現代人在來自社會的壓力和束縛下,出於禮儀、紀律和偽裝等目的,已經丟失了發出最自然聲音的能力。「演員這個職業就是社會心靈疏導師,用人類的情緒和那些原始的生命訴求去引領別人」,孫魚洋如此說。
「第二個階段是『人情意』,你要去理解劇本和臺詞。」
吉璟津指出,一些演員並不理解臺詞,只是一味死記硬背。隨著各種影視劇數量突飛猛漲,對演員的需求也越來越旺盛。但演員培養的規模卻沒有跟上劇集的生產步伐,「表演指導」、 「臺詞指導」應運而生。
但有時找上門的培訓卻讓吉璟津感到頭疼,「經紀公司簽了藝人,但戲不行被導演和製片人退回來,就找老師補課問『能不能在1個月之內解決掉?』,怎麼可能?」
「先塑造人物,再談臺詞。臺詞是人物感於心,發於聲的結果。沒有感於心,哪來發於聲?」,塑造人物是劉中哲反復強調的一點。但在實際教學中,他卻經常感到無力,學生的僵化理解讓他頭疼。
「學生一演杜十娘,基本就是我崩潰的時候。她們永遠把杜十娘弄得風塵味十足,然後就是哭,把她變成哭哭啼啼的怨婦。在某種流行審美的驅動下,覺得‘能讓觀眾哭,我的創作就成功了。 」
4 改進 - 學校授課從舞臺劇為主到兼顧電視劇
如今臺詞表演存在的種種問題,其實已經埋藏在藝考體系中。一方面,對於藝考生的文化課分數要求過低,被錄取的許多學生在文本的理解能力上並非佼佼者。
另一方面,為了成功通過考試,大部分學生都會在藝考前參加各種培訓班,而培訓班的課程往往更偏重朗誦,獲得了些皮毛的學生到了大學課堂上反而喪失了學習動力。劉中哲就曾在課堂上遇到過習慣了把朗誦當臺詞的學生質疑「怎麼跟培訓班教的不一樣」的情況,「孫道臨不用朗誦腔,依然可以把《琵琶行》演繹得讓人潸然淚下。」
雖然學生存在不少問題,但高校老師們仍然在努力革新自己的授課方式。孫魚洋表示,全國幾大影視院校的教學都以舞臺劇為主,但演員接觸更多的還是影視劇。為了跟市場接軌,學校的教學也在做調整,讓學生能儘早適應電視劇的拍攝方式。在他看來,職業教育有三個層面:心態、技能、知識,目前的教學體系在職業心態層面的培養還不夠多。
而影視劇中臺詞表演太差,過度使用配音的問題,演員固然有責任,但劇集生產鏈條上的其他方面也並非全是受害者。劉中哲指出,一些戲的劇本也有問題,「太爛的劇本沒法演,有些時候其實是演員在替編劇寫劇本。」
孫魚洋認為,有些時候使用配音,演員本身也很無奈,片方有預算考慮,經紀公司也有其他的工作安排。「現在越來越工業化、標準化,每個人付出的時間都有限,但這其實也是行業進步的表現。」
劉中哲推薦了一部電影,李麗華主演的《武則天》。對於看著近些年影視劇長大的人來說,這部上世紀60年代的電影的臺詞表演風格顯得過於平實。劉中哲解釋到,現在流行的朗誦腔是形成於上世紀五六十年代的特殊語言表達方式,「回看上世紀三四十年代的老電影,他們也有『腔調』,但都是『人物』在說話。」
鏈條全目半目 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
摩爾定律放緩 靠啥提升AI晶片運算力?
作者 : 黃燁鋒,EE Times China
2021-07-26
對於電子科技革命的即將終結的說法,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的,但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……
人工智慧(AI)的技術發展,被很多人形容為第四次科技革命。前三次科技革命,分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭,比如有人說第四次科技革命是生物技術革命,還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術,而且作為資訊技術的組成部分,卻又獨立於資訊技術,即表示它有獨到之處。
電子科技革命的即將終結,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有,但這波革命始終也沒有結束。
AI技術本質上仍然是第三次科技革命的延續,它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度,那麼這個領域自然就不可小覷,就像當年GPU出現專門為圖形運算服務一樣。
所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現,很大程度上也是因為摩爾定律的發展進入緩慢期:電晶體的尺寸縮減速度,已經無法滿足需求,所以就必須有某種專用架構(DSA)出現,以快速提升晶片效率,也才有了專門的AI晶片。
另一方面,摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期,電晶體製程進步為晶片帶來了相當大的助益,那是「happy scaling down」的時代——CPU、GPU都是這個時代受益,不過Dennard Scaling早在45nm時期就失效了。
AI晶片作為第三大類處理器,在這波發展中沒有趕上happy scaling down的好時機。與此同時,AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節,燧原科技創始人暨CEO趙立東說:「現在訓練的GPT-3模型有1750億參數,接近人腦神經元數量,我以為這是最大的模型了,要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題,說最大模型超過萬億參數,又是10倍。」
英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說:「前兩年用GPU訓練一個大規模的深度學習模型,其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪,以及提供運算力的AI晶片不夠高效。
不過作為產業的底層驅動力,半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到,針對這個問題的一些前瞻性解決方案——有些已經實現,有些則可能有待時代驗證。
XPU、摩爾定律和異質整合
「電腦產業中的貝爾定律,是說能效每提高1,000倍,就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說,「若每瓦功耗只能支撐1KOPS的運算,當時的這種運算形態是超算;到了智慧型手機時代,能效就提高到每瓦1TOPS;未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求,如果依然沿著CMOS這條路去走,當然可以,但會比較艱辛。」
針對性能和效率提升,除了尺寸微縮,半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化,以及處理架構的革新。
(1)AI晶片本身其實就是對處理器架構的革新,從運算架構的層面來看,針對不同的應用方向造不同架構的處理器是常規,更專用的處理器能促成效率和性能的成倍增長,而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU,即AI處理器),乃至更專用的ASIC出現,都是這類思路。
CPU、GPU、NPU、FPGA等不同類型的晶片各司其職,Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情,「整合起來各取所需,用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類,Core CPU、Xe GPU,以及透過收購獲得的AI晶片Habana等。
另外針對不同類型的晶片,可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令,本質上是特別針對深度學習做加強。「專用」的不一定是處理器,也可以是處理器內的某些特定單元,甚至固定功能單元,就好像GPU中加入專用的光線追蹤單元一樣,這是當代處理器普遍都在做的一件事。
(2)從電晶體、晶片結構層面來看,電晶體的尺寸現在仍然在縮減過程中,只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降,需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後,電晶體變為FinFET結構,在3nm之後,電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET),其本質都是電晶體本身充分利用Z軸,來實現微縮性能的提升。
劉明認為,「除了基礎元件的變革,IC現在的發展還是比較多元化,包括新材料的引進、元件結構革新,也包括微影技術。長期賴以微縮的基本手段,現在也在發生巨大的變化,特別是未來3D的異質整合。這些多元技術的協同發展,都為晶片整體性能提升帶來了很好的增益。」
他並指出,「從電晶體級、到晶圓級,再到晶片堆疊、引線接合(lead bonding),精準度從毫米向奈米演進,互連密度大大提升。」從晶圓/裸晶的層面來看,則是眾所周知的朝more than moore’s law這樣的路線發展,比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮,來彈性擴展性能的方案。
台積電和Intel這兩年都在大推將不同類型的裸晶,異質整合的技術。2.5D封裝方案典型如台積電的CoWoS,Intel的EMIB,而在3D堆疊上,Intel的Core LakeField晶片就是用3D Foveros方案,將不同的裸晶疊在一起,甚至可以實現兩片運算裸晶的堆疊、互連。
之前的文章也提到過AMD剛發佈的3D V-Cache,將CPU的L3 cache裸晶疊在運算裸晶上方,將處理器的L3 cache大小增大至192MB,對儲存敏感延遲應用的性能提升。相比Intel,台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連,而不是micro-bump,做到更小的打線間距,以及晶片之間數十倍通訊性能和效率提升。
這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面,即新材料的導入專家們沒有在論壇上多說,本文也略過不談。
1,000倍的性能提升
劉明談到,當電晶體微縮的空間沒有那麼大的時候,產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market,理論上應該也屬於成本的一部分。
電晶體微縮方案失效以後,「多元化的技術變革,依然會讓IC性能得到進一步的提升。」劉明說,「根據預測,這些技術即使不再做尺寸微縮,也會讓IC的晶片性能做到500~1,000倍的提升,到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進;單裸晶儲存容量變得越來越大,IC依然會為產業發展提供基礎。」
500~1,000倍的預測來自DARPA,感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應,而且有更實際的工程問題待解決,比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。
不過1,000倍的性能提升,的確說明摩爾定律的終結並不能代表第三次科技革命的終結,而且還有相當大的發展空間。尤其本文談的主要是AI晶片,而不是更具通用性的CPU。
矽光、記憶體內運算和神經型態運算
在非傳統發展路線上(以上內容都屬於半導體製造的常規思路),WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣,或者仍在商業化的極早期。
(1)近記憶體運算和記憶體內運算:處理器性能和效率如今面臨的瓶頸,很大程度並不在單純的運算階段,而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率,可能是提升整體系統性能時,一個非常靠譜的思路。
這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的,應該不在少數。所謂的近記憶體運算,就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3),以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」,cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。
這兩年在近記憶體運算方面比較有代表性的,一是AMD——比如前文提到3D V-cache增大處理器的cache容量,還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構,也更早應用了HBM2記憶體方案。這些實踐都表明,儲存方面的革新的確能帶來性能的提升。
另外一個例子則是Graphcore的IPU處理器:IPU的特點之一是在裸晶內堆了相當多的cache資源,cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作,極大提升頻寬、降低延遲和功耗。
近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中,多層級的儲存結構,資料的搬運不僅僅在處理和儲存之間,還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。
構建非馮(non-von Neumann)架構,把傳統的、以運算為中心的馮氏架構,變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。
記憶體內運算的就現在看來還是比較新,也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法,儲存單元本身就有運算能力,理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目,畢竟可極大減少海量資料的移動操作。
其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部,部分執行資料處理工作;主要應用於神經網路(因為非常契合神經網路的工作方式),以及這類晶片具體的工作方法上,可能更傾向於神經型態運算(neuromorphic computing)。
對於AI晶片而言,記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時,有比較頻繁的資料存取操作,這對性能和功耗都有影響。不過記憶體內運算的具體實施方案,在市場上也是五花八門,早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構,用40nm嵌入式NOR,在儲記憶體內部執行運算,不過替換掉了數位週邊電路,改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。
劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中,近記憶體運算的這個方案應該和AMD的3D V-cache比較類似,把儲存裸晶和運算裸晶疊起來。
劉明指出,「這是我們最近的一個工作,採用hybrid bonding的技術,與矽通孔(TSV)做比較,hybrid bonding功耗是0.8pJ/bit,而TSV是4pJ/bit。延遲方面,hybrid bonding只有0.5ns,而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上,前文也提到了它具備更高的互連密度和效率。
另外這套方案還將DRAM刷新頻率提高了一倍,從64ms提高至128ms,以降低功耗。「應對刷新率變慢出現拖尾bit,我們引入RRAM TCAM索引這些tail bits」劉明說。
記憶體內運算方面,「傳統運算是用布林邏輯,一個4位元的乘法需要用到幾百個電晶體,這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法,然後利用基爾霍夫定律完成列的累加。」劉明表示,「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存,沒有資料搬運。」這是記憶體內運算的常規思路。
「無論是基於SRAM,還是基於新型記憶體,相比近記憶體運算都有明顯優勢,」劉明認為。下圖是記憶體內運算和近記憶體運算,精準度、能效等方面的對比,記憶體內運算架構對於低精準度運算有價值。
下圖則總結了業內主要的一些記憶體內運算研究,在精確度和能效方面的對應關係。劉明表示,「需要高精確度、高運算力的情況下,近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術,這幾年的進步也非常快。」
去年阿里達摩院發佈2020年十大科技趨勢中,有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式,這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題:是記憶體廠商,還是數文書處理器廠商?(三星推過記憶體內運算晶片,三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)
(2)神經型態運算:神經型態運算和記憶體內運算一樣,也是新興技術的熱門話題,這項技術有時也叫作compute in memory,可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是,這種結構更偏「類人腦」。
進行神經型態研究的企業現在也逐漸變得多起來,劉明也提到了AI晶片「最終的理想是在結構層次模仿腦,元件層次逼近腦,功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。
傳說中的Intel Loihi就是比較典型存算一體的架構,「這片裸晶裡面包含128個小核心,每個核心用於模擬1,024個神經元的運算結構。」宋繼強說,「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來,構成接近1億神經元的系統,讓學術界的夥伴去試用。」
「它和深度學習加速器相比,沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線,功耗很低,也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為,不採用同步時脈,「刺激的時候就是一個非同步電動勢,只有工作部分耗電,功耗是現在深度學習加速晶片的千分之一。」
「而且未來我們可以對不同區域做劃分,比如這兒是視覺區、那兒是語言區、那兒是觸覺區,同時進行多模態訓練,互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片,似乎也是Intel在XPU方向上探索不同架構運算的方向之一。
(2)微型化矽光:這個技術方向可能在層級上更偏高了一些,不再晶片架構層級,不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面,已有應用了,發出資料時,連接埠處會有個收發器把電訊號轉為光訊號,透過光纖來傳輸資料,另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高,內部元件數量大,尺寸也就比較大。
Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的,就是把光和電子相關的組成部分高度整合到晶片上,用IC製造技術。未來的光通訊不只是資料中心機架到機架之間,也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大,也就是所謂的I/O功耗牆,這是這類微型化矽光元件存在的重要價值。
這其中存在的技術挑戰還是比較多,如做資料的光訊號調變的調變器調變器,據說Intel的技術使其實現了1,000倍的縮小;還有在接收端需要有個探測器(detector)轉換光訊號,用所謂的全矽微環(micro-ring)結構,實現矽對光的檢測能力;波分複用技術實現頻寬倍增,以及把矽光和CMOS晶片做整合等。
Intel認為,把矽光模組與運算資源整合,就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上,這類技術還是頗具前景,Intel此前說目標是實現每根光纖1Tbps的速率,並且能效在1pJ/bit,最遠距離1km,這在非本地傳輸上是很理想的數字。
還有軟體…
除了AI晶片本身,從整個生態的角度,包括AI感知到運算的整個鏈條上的其他組成部分,都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面,針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體,透過軟體最佳化就能實現幾倍的性能提升。
宋繼強說,「我們發現軟體最佳化與否,在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。
在AI開發生態上,雖然Nvidia是最具發言權的;但從戰略角度來看,像Intel這種研發CPU、GPU、FPGA、ASIC,甚至還有神經型態運算處理器的企業而言,不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台,用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。
在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下,處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升;而一些新的技術方向,包括近記憶體運算、記憶體內運算和微型矽光,能夠在資料訪存、傳輸方面產生新的價值;神經型態運算這種類腦運算方式,是實現AI運算的目標;軟體層面的最佳化,也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩,AI晶片的性能、效率提升在上面提到的這麼多方案加持下,終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。
資料來源:https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg
鏈條全目半目 在 Hey I'm Alice Youtube 的最佳解答
Hey I'm Alice 嗨我是愛麗絲
#SHEIN #開箱 #穿搭
目前對於SHEIN的第一印象還可以
以上身衣服來說我覺得可以再次消費
但就是下半身完全不會想再買,或是要跟靜茹借個勇氣?!
(但有一次退換貨的機制蠻不錯的,退款速度也快,我是用刷卡的)
洋裝跟某些風格單品還沒有買過,未來有機會也想嘗試~
期待我下一次的開箱記得留言給我喔!
----------------↓我的折扣碼↓------------------
🔸CASETiFY 手機殼:http://tinyurl.com/y9qcb2kg
🔸SUSEN包95折扣碼:「d50alice」https://bit.ly/3kFEy0T
🔸SpicyChoco刷具折扣碼:「ALICE」(全站9折,折扣品可以折上折!)https://spicychoco.com/?rfsn=2052342.af766f
🔸嘉丹妮爾折扣碼:HEYALICE (下單輸入折扣碼可享85折喔!)
🔸ShopBack註冊賺$100獎勵金👉🏻https://www.shopback.com.tw/referred-signup-bonus?raf=nmrGqI
🔸丹麥Nordgreen手錶 85折扣碼「ALICE85」⌚️ https://nordgreen.com.tw/?utm_source=yt_Hey%20I'm%20Alice&utm_medium=referral
----------------↓商品小分享↓------------------
▪️更多詳細資訊
Top//
SHEIN 素色側抽繩短版T恤 M(這件我好好好喜歡啊~)
https://www.shein.tw/-T-p-2043347-cat-1738.html
SHEIN 鏈條細節短版上衣 S(這個買太小了,但因為沾到粉底所以沒退貨了QQ,價格我也覺得沒有很便宜!)
https://www.shein.tw/shein-product-p-1954580-cat-2223.html
SHEIN 缺口領羅紋針織短版T恤 黑M(這件售完了嗚嗚,可以找找類似款)
https://www.shein.tw/-T-p-1799382-cat-1738.html
類似款:https://www.shein.tw/V-neck-Crop-Tee-p-2119706-cat-1738.html
SHEIN 紮染羅紋針織短版T恤 黑與白L(顏色整體很喜歡,尺寸偏偏偏小)
https://www.shein.tw/-T-p-1914167-cat-1738.html
SHEIN v領羅紋針織上衣 白S(這件我給我妹了哈哈,她賺到)
https://www.shein.tw/v-p-2038665-cat-1738.html
SHEIN 生菜邊拼色短版T恤 黑L
https://www.shein.tw/-T-p-2168963-cat-1738.html
Bottom//
SHEIN 抽繩下擺寬腿牛仔褲 L (穿起來像燈籠,我退貨了)
https://bit.ly/3sJWzzT
SHEIN 破洞水洗寬腿牛仔褲 淺色水洗藍L(穿起來毫無修飾力,我退貨了)
https://bit.ly/3rtTOB3
Shoes//
SHEIN 繫帶低幫運動鞋 EUR40
https://www.shein.tw/shein-product-p-1277007-cat-1913.html
價格會因特價優惠等等的有變動,請以官網為主。
----------------↓追蹤愛麗絲↓------------------
Facebook : https://www.facebook.com/alicehsu076/
instagram : https://www.instagram.com/alicehsu_o/
Blog : http://alicehsu076.pixnet.net/blog
*歡迎合作、商稿邀約*
E-mail : alicehsu076@gmail.com
謝謝你們觀看我的影片!
喜歡的話記得訂閱我喔!
有任何問題也歡迎留言給我~
訂閱Youtube : https://www.youtube.com/channel/UC97YgNWD6QO5mRN3UgJ7VRQ/
▪️愛麗絲的更多資訊
膚質|混合偏乾,T字出油、兩頰乾
身高|166cm / 體重:64kg
肩寬|15吋、38cm
上腰圍|30吋、77cm
下腰圍|36吋、91cm
臀圍|40吋、103cm
大腿圍|24.5吋、63cm
使用相機/剪輯軟體:SonyZV-1、Canon M50 / Final Cut Pro X
音樂:https://www.epidemicsound.com/track/p34NQXA6D2/
*非合作影片*
*Not a sponsored video*
Thank you for watching!!
![post-title](https://i.ytimg.com/vi/TAx4vx1fQbM/hqdefault.jpg)
鏈條全目半目 在 Dd tai Youtube 的最佳貼文
凱里農產品產業園申報貴州省電子商務示範基地,經省商務廳評估審核,現已獲得審批,榮獲「貴州省電子商務示範基地」稱號。2月8日,在凱里銀田農產品物流園舉行揭牌儀式。
據了解,凱里農產品電商產業園,依託凱里銀田物流園龐大的農特產品產業優勢和交易量,以「網際網路+」的形式,通過搭建「銀田優禾」電子商務交易平台,入駐農產品企業,連結微信、支付寶等接口,延長農產品產業鏈條,創新農產品推廣手段,拓寬農產品銷售渠道,實現優勢互補、資源共享、抱團發展的新局面。通過打造「網上農特產品批發市場」,實現了貴州優質農特產品全國線上下單交易便捷,線下物流配送及時。
據有關負責人介紹,目前園內已建成8000平方米的電商大樓並投入使用,一半作電商展館,陳列著凱里及全州境內260餘種農特產品;一半作辦公使用,供電商孵化入駐,現已招商入駐15家農產品電商企業(團隊)入園孵化。2017年,全園實現貴州優質農特產品年線上交易額近2億元。
貴州黔東南紅糟辣和紅酸湯,起源於貴州人與大自然爭奪食物保質期的鬥爭。辣,是黔菜之魂。貴州的辣,皆為了對付「天無三日晴」的潮濕氣候。糟辣椒是極具貴州特色的一種酸辣調味品,為貴州獨有。糟辣椒色澤鮮紅,香濃辣鮮,特有的香、辣、鮮、酸、嫩、鹹、脆、的獨特風味,老少皆宜。有開胃消食、暖胃驅寒、降脂減肥、止痛散熱、保護心臟、降低血壓等功效。貴州黔東南糟辣椒是貴州民族特色顯著的一種調味品。為貴州獨有,全省均有製作。糟辣椒色澤鮮紅,香濃辣輕,具有微辣微酸而又香、鮮、嫩、脆、鹹的風味特色。糟辣椒除用作蘸水外還可用作調料烹調菜餚、作醃菜基料和拌菜佐飯。貴州黔東南糟辣椒還可製作地方風味的「魚香肉絲」,還可燒制貴州有名的「糟辣魚」、「糟辣脆皮魚」、貴州人吃蛋炒飯,都喜歡加入糟辣椒。毎年到8月~9月期間,紅辣椒大上市啦,家家戶戶動起來,做一次吃一年。吃了健康長壽。貴州黔東南紅糟辣和紅酸湯是製作很多酸湯菜必不可少的調味料,有生津、開胃、解暑的功效,既有營養又下飯。其實,紅糟辣和紅酸湯並不神秘,完全可以在家自製。吃了健康長壽。貴州黔東南紅糟辣和紅酸湯是紅辣椒通過刷洗乾淨,剁成塊,切口處粘上麵粉,用薑末、蒜粒、蔥花熗鍋,加麵包渣炒酥,放入蟹,加鹽、味精、胡椒、五香粉翻炒均勻,色澤白裏透紅,口感酥脆,鹹鮮微辣,香氣撲鼻。吃了健康長壽。
![post-title](https://i.ytimg.com/vi/nLPFegTVnkY/hqdefault.jpg?sqp=-oaymwEZCNACELwBSFXyq4qpAwsIARUAAIhCGAFwAQ==&rs=AOn4CLC1Sl15CvjrnW5qZwOdmjbrl6Na4Q)
鏈條全目半目 在 鏈條全目半目惰輪鏈條拆解器 - Facebook 的推薦與評價
鏈條全目半目 惰輪鏈條拆解器 by 益昇機械五金行E Sun Mechanical hardware store — at 益昇機械五金. (near 益昇機械五金). 4 Likes. Yi Chen and 3 others like this. ... <看更多>
鏈條全目半目 在 機械鏈條、傳動鏈條在PTT/mobile01評價與討論 - 台鐵車站資訊 ... 的推薦與評價
你在找的機械鏈條半目全目鏈條接目滾子鏈條配重鏈條鏈齒輪工業鏈條傳動鏈條(定價錯誤正確價格請詢問賣家)就在露天拍賣,立即購買商品搶免運及優惠,還有許多相關商品 . ... <看更多>
鏈條全目半目 在 尤金劇場技術課講堂:鍊條修整與拆裝教學 - YouTube 的推薦與評價
如果沒有,又想改鍊條長度,該怎麼辦?鍊條、鍊輪、鍊片附耳、接鍊片、 全目 、 半目 chain. ... <看更多>