色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

深度學(xué)習(xí)的火熱,GPU面臨嚴(yán)峻挑戰(zhàn)

454398 ? 來(lái)源:ST社區(qū) ? 作者:ST社區(qū) ? 2020-10-15 10:32 ? 次閱讀

人工智能興起之后,安防行業(yè)就成為了人工智能技術(shù)最大的試驗(yàn)田,也是落地的主要場(chǎng)景之一。

對(duì)于視頻監(jiān)控行業(yè)來(lái)說(shuō),在GPU的CUBA模塊出現(xiàn)后(相關(guān)鏈接:為何GPU能在安防行業(yè)呼風(fēng)喚雨?十幾年前這件事改變了安防前端格局),前端攝像機(jī)對(duì)GPU的依賴(lài)就越來(lái)越重,一臺(tái)攝像機(jī)能夠搭載什么樣的智能算法,算力又如何很大程度上取決于GPU的性能。

然而安防行業(yè)是一個(gè)場(chǎng)景化的行業(yè),GPU再好也有著它的局限性。在AI發(fā)展的浪潮下,越來(lái)越多的安防企業(yè)選擇自研芯片來(lái)適應(yīng)更細(xì)分的需求。

各個(gè)安防企業(yè)都鉚足力氣或自研或合作生產(chǎn)安防芯片,幾乎每隔幾天就能蹦出一條非GPU安防芯片問(wèn)世的新聞,在這個(gè)勢(shì)頭下,不少人都在心里打鼓:“是否GPU的王朝就要結(jié)束了?”

隨著深度學(xué)習(xí)的火熱,GPU面臨嚴(yán)峻挑戰(zhàn)

王朝是否結(jié)束先按下不表,但從2019年全年智能安防芯片的產(chǎn)出來(lái)看,ASICFPGA表現(xiàn)優(yōu)秀,更是有專(zhuān)家表示,在細(xì)分場(chǎng)景的深度學(xué)習(xí)方面安防芯片已經(jīng)展現(xiàn)出了良好的發(fā)展趨勢(shì),那么我們今年就來(lái)看一下2019年安防芯片得到了哪些發(fā)展機(jī)遇,又有哪些安防芯片表現(xiàn)出不俗的競(jìng)爭(zhēng)力。

智慧安防需求多樣,AI安防芯片崛起契機(jī)來(lái)臨

在傳統(tǒng)的認(rèn)知中,算法的深度學(xué)習(xí)都依賴(lài)GPU的CUBA模塊,根據(jù)吳恩達(dá)教授在2011的實(shí)驗(yàn)結(jié)果表明,12顆英偉達(dá)GPU可以提供相當(dāng)于2000顆CPU的深度學(xué)習(xí)性能。

但CPU作為圖像處理器時(shí),設(shè)計(jì)初衷是為了應(yīng)對(duì)圖像處理中的大規(guī)模并行計(jì)算。因此應(yīng)用于深度學(xué)習(xí)時(shí)有明顯的局限性。

首先就是硬件結(jié)構(gòu)完全由GPU廠商決定(主要是英偉達(dá)),其次是在深度學(xué)習(xí)方面,其效能遠(yuǎn)低于ASIC及FPGA芯片。

通俗的講,采用GPU,你可以定制場(chǎng)景化的算法,但硬件性能以及發(fā)揮的效率完全是由英偉達(dá)決定,且算法的復(fù)雜程度還需要卡GPU的效能決定。

盡管GPU目前依靠其優(yōu)秀的編程環(huán)境和頂尖的算力依舊穩(wěn)坐AI芯片市場(chǎng)NO1的地位,但其他兩種芯片已呈現(xiàn)出后來(lái)居上之勢(shì)。

ASIC和FPGA在安防行業(yè)越來(lái)越得到重視

算力的優(yōu)勢(shì)并不是憑空而來(lái),傳統(tǒng)的GPU雖然在算力上占盡優(yōu)勢(shì),但存在嚴(yán)重的晶體管堆料的現(xiàn)象,導(dǎo)致其利用效率不高而且造成的功耗遠(yuǎn)高于其他兩種芯片,對(duì)于以7X24小時(shí)運(yùn)行的安防設(shè)備來(lái)說(shuō),這樣的功耗很難接受。

市場(chǎng)上雖然對(duì)這些缺點(diǎn)還算比較容忍,(畢竟客戶(hù)主要更關(guān)心算力)。但長(zhǎng)此以往無(wú)異于飲鴆止渴。

在設(shè)計(jì)層面,由于摩爾定律的失效。7nm后制程升級(jí)越來(lái)越困難,GPU若想保持其算力優(yōu)勢(shì)勢(shì)必還會(huì)走“堆料”的路子,在云端市場(chǎng)不斷發(fā)展的今天,這樣的市場(chǎng)越來(lái)越難以為繼。也導(dǎo)致不少安防廠商紛紛開(kāi)發(fā)自己的ASIC和終端的FPGA市場(chǎng)。

由一家獨(dú)大,到如今隱隱的三分天下之勢(shì),GPU確實(shí)該考慮如何更好的適應(yīng)市場(chǎng)了。

激烈的安防芯片競(jìng)爭(zhēng)

在AI芯片選擇方面,一般是有錢(qián)的選擇ASIC,早期過(guò)渡和追求性?xún)r(jià)比會(huì)選擇FPGA。

FPGA的是很多創(chuàng)業(yè)公司初期選擇的平臺(tái),深鑒、寒武紀(jì)、地平線、比特大陸都先后使用過(guò)FPGA,商湯等視覺(jué)公司也應(yīng)用過(guò)FPGA+GPU的解決方案,但當(dāng)業(yè)務(wù)發(fā)展到一定程度后,都逐步開(kāi)始轉(zhuǎn)向ASIC。

這是由于其芯片結(jié)構(gòu)決定的,F(xiàn)PGA相比GPU功耗更低,相比ASIC具有更短的開(kāi)發(fā)時(shí)間和更低的開(kāi)發(fā)成本。

一句話總結(jié)就是方便、性?xún)r(jià)比高。且由于英特爾于2015年收購(gòu)了最成功的的FPGA芯片廠商Altera(151億美元的天價(jià),不得不說(shuō)英特爾也是給CPU研發(fā)部門(mén)下了“死命令”),近年來(lái)不斷推出CPU+FPGA的組合給各個(gè)行業(yè)都帶來(lái)了前所未有的AI發(fā)展機(jī)遇。

成本低、重構(gòu)靈活成為FPGA最大的競(jìng)爭(zhēng)籌碼

且由于近兩年業(yè)界對(duì)于深度的學(xué)習(xí)能力大為推崇,在這方面具有優(yōu)勢(shì)的FPGA無(wú)疑就成為了很多廠商的選擇。

相比性?xún)r(jià)比較高的FPGA,ASIC芯片無(wú)疑就彰顯了定制化芯片的霸氣。除了不能像FPGA那樣進(jìn)行功能擴(kuò)展和重構(gòu)以外,ASIC芯片幾乎滿(mǎn)足了所有安防高端定制化的需求,在功耗、可靠性、體積方面優(yōu)勢(shì)很大,尤其是在移動(dòng)端,其高性能、低功耗的特點(diǎn)成為了眾多廠商的首選。

尤其是人工智能越來(lái)越深度化的當(dāng)下,人們對(duì)于智能化深度的要求越來(lái)越高。相對(duì)應(yīng)的芯片需要運(yùn)行的算法也越來(lái)越復(fù)雜,這都要求芯片擁有一套專(zhuān)用的架構(gòu)與其進(jìn)行對(duì)應(yīng),而ASIC芯片完美地滿(mǎn)足了這一需求。

而ASIC應(yīng)用的典型的代表就是知名的Alpha Go的大腦:谷歌研發(fā)的TPU芯片,其強(qiáng)大的深度學(xué)習(xí)能力和較低的功耗都讓業(yè)內(nèi)艷羨。

據(jù)寒武紀(jì)發(fā)布的指令集指出,未來(lái)ASIC芯片將是AI芯片的核心。

不過(guò)研發(fā)ASIC芯片的一大難題就是其高昂的成本和較長(zhǎng)的開(kāi)發(fā)周期。目前,致力于研發(fā)AISC芯片的都是既擅長(zhǎng)芯片研發(fā)又具備AI算法的行業(yè)巨頭,適用于已經(jīng)具有一定規(guī)模且需求場(chǎng)景化定制需求的安防大廠。

除了這幾大類(lèi)以外,目前安防行業(yè)還有云端芯片和類(lèi)腦芯片具有強(qiáng)大的競(jìng)爭(zhēng)力。

不過(guò)不管誰(shuí)將在這場(chǎng)競(jìng)爭(zhēng)中勝出,GPU在安防行業(yè)中的衰落或?qū)⒊蔀楝F(xiàn)實(shí),而在AI芯片的競(jìng)爭(zhēng)當(dāng)中誰(shuí)又能拔得頭籌,這還要看他們具體和安防行業(yè)的適配程度。

智能芯片市場(chǎng)玩家可不止“御三家”

自研芯片的春天

2019年,我國(guó)安防芯片取得了很大的成就,不管是泛用性極廣的海思Hi3516CV500、昇騰系列、還是具有超高集成度的國(guó)科微GK7205/GK7205S、亦或是致力于智慧城市建設(shè)的地平線旭日1.0都向我們揭示了如今安防行業(yè)對(duì)于定制化AI芯片的渴求。

在新的一年里,隨著安防智能化的不斷深入,AI芯片行業(yè)競(jìng)爭(zhēng)也會(huì)愈加激烈,但無(wú)論如何這對(duì)于中國(guó)安防的發(fā)展,都是多了一種選擇,也多了一份效能。

編輯:hfy

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • FPGA
    +關(guān)注

    關(guān)注

    1629

    文章

    21729

    瀏覽量

    603010
  • asic
    +關(guān)注

    關(guān)注

    34

    文章

    1199

    瀏覽量

    120438
  • gpu
    gpu
    +關(guān)注

    關(guān)注

    28

    文章

    4729

    瀏覽量

    128890
  • 人工智能
    +關(guān)注

    關(guān)注

    1791

    文章

    47183

    瀏覽量

    238264
  • 安防芯片
    +關(guān)注

    關(guān)注

    1

    文章

    24

    瀏覽量

    16309
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    深度學(xué)習(xí)工作負(fù)載中GPU與LPU的主要差異

    ,一個(gè)新的競(jìng)爭(zhēng)力量——LPU(Language Processing Unit,語(yǔ)言處理單元)已悄然登場(chǎng),LPU專(zhuān)注于解決自然語(yǔ)言處理(NLP)任務(wù)中的順序性問(wèn)題,是構(gòu)建AI應(yīng)用不可或缺的一環(huán)。 本文旨在探討深度學(xué)習(xí)工作負(fù)載中GPU
    的頭像 發(fā)表于 12-09 11:01 ?246次閱讀
    <b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>工作負(fù)載中<b class='flag-5'>GPU</b>與LPU的主要差異

    GPU深度學(xué)習(xí)中的應(yīng)用 GPUs在圖形設(shè)計(jì)中的作用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其核心部分,已經(jīng)成為推動(dòng)技術(shù)進(jìn)步的重要力量。GPU(圖形處理單元)在深度學(xué)習(xí)中扮演著至關(guān)重要的角色,
    的頭像 發(fā)表于 11-19 10:55 ?435次閱讀

    深度學(xué)習(xí)中RNN的優(yōu)勢(shì)與挑戰(zhàn)

    循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)是深度學(xué)習(xí)領(lǐng)域中處理序列數(shù)據(jù)的基石。它們通過(guò)在每個(gè)時(shí)間步長(zhǎng)上循環(huán)傳遞信息,使得網(wǎng)絡(luò)能夠捕捉時(shí)間序列數(shù)據(jù)中的長(zhǎng)期依賴(lài)關(guān)系。然而,盡管RNN在某些任務(wù)上表現(xiàn)出色,它們也面臨著一些
    的頭像 發(fā)表于 11-15 09:55 ?321次閱讀

    NPU在深度學(xué)習(xí)中的應(yīng)用

    設(shè)計(jì)的硬件加速器,它在深度學(xué)習(xí)中的應(yīng)用日益廣泛。 1. NPU的基本概念 NPU是一種專(zhuān)門(mén)針對(duì)深度學(xué)習(xí)算法優(yōu)化的處理器,它與傳統(tǒng)的CPU和GPU
    的頭像 發(fā)表于 11-14 15:17 ?510次閱讀

    pcie在深度學(xué)習(xí)中的應(yīng)用

    深度學(xué)習(xí)模型通常需要大量的數(shù)據(jù)和強(qiáng)大的計(jì)算能力來(lái)訓(xùn)練。傳統(tǒng)的CPU計(jì)算資源有限,難以滿(mǎn)足深度學(xué)習(xí)的需求。因此,GPU(圖形處理單元)和TPU
    的頭像 發(fā)表于 11-13 10:39 ?380次閱讀

    GPU深度學(xué)習(xí)應(yīng)用案例

    GPU深度學(xué)習(xí)中的應(yīng)用廣泛且重要,以下是一些GPU深度學(xué)習(xí)應(yīng)用案例: 一、圖像識(shí)別 圖像識(shí)別是
    的頭像 發(fā)表于 10-27 11:13 ?382次閱讀

    深度學(xué)習(xí)GPU加速效果如何

    圖形處理器(GPU)憑借其強(qiáng)大的并行計(jì)算能力,成為加速深度學(xué)習(xí)任務(wù)的理想選擇。
    的頭像 發(fā)表于 10-17 10:07 ?185次閱讀

    FPGA做深度學(xué)習(xí)能走多遠(yuǎn)?

    的發(fā)展前景較為廣闊,但也面臨一些挑戰(zhàn)。以下是一些關(guān)于 FPGA 在深度學(xué)習(xí)中應(yīng)用前景的觀點(diǎn),僅供參考: ? 優(yōu)勢(shì)方面: ? 高度定制化的計(jì)算架構(gòu):FPGA 可以根據(jù)
    發(fā)表于 09-27 20:53

    深度學(xué)習(xí)算法在嵌入式平臺(tái)上的部署

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)算法在各個(gè)領(lǐng)域的應(yīng)用日益廣泛。然而,將深度學(xué)習(xí)算法部署到資源受限的嵌入式平臺(tái)上,仍然是一個(gè)具有挑戰(zhàn)性的任
    的頭像 發(fā)表于 07-15 10:03 ?1331次閱讀

    基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)

    )的廣泛應(yīng)用,小目標(biāo)檢測(cè)的性能得到了顯著提升。本文將詳細(xì)探討基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)技術(shù),包括其定義、挑戰(zhàn)、常用方法以及未來(lái)發(fā)展方向。
    的頭像 發(fā)表于 07-04 17:25 ?861次閱讀

    深度學(xué)習(xí)的模型優(yōu)化與調(diào)試方法

    深度學(xué)習(xí)模型在訓(xùn)練過(guò)程中,往往會(huì)遇到各種問(wèn)題和挑戰(zhàn),如過(guò)擬合、欠擬合、梯度消失或爆炸等。因此,對(duì)深度學(xué)習(xí)模型進(jìn)行優(yōu)化與調(diào)試是確保其性能優(yōu)越的
    的頭像 發(fā)表于 07-01 11:41 ?801次閱讀

    新手小白怎么學(xué)GPU云服務(wù)器跑深度學(xué)習(xí)?

    新手小白想用GPU云服務(wù)器跑深度學(xué)習(xí)應(yīng)該怎么做? 用個(gè)人主機(jī)通常pytorch可以跑但是LexNet,AlexNet可能就直接就跑不動(dòng),如何實(shí)現(xiàn)更經(jīng)濟(jì)便捷的實(shí)現(xiàn)GPU云服務(wù)器
    發(fā)表于 06-11 17:09

    大模型時(shí)代,國(guó)產(chǎn)GPU面臨哪些挑戰(zhàn)

    ,國(guó)產(chǎn)GPU在不斷成長(zhǎng)的過(guò)程中也存在諸多挑戰(zhàn)。 ? 在大模型訓(xùn)練上存在差距 ? 大語(yǔ)言模型是基于深度學(xué)習(xí)的技術(shù)。這些模型通過(guò)在海量文本數(shù)據(jù)上的訓(xùn)練,
    的頭像 發(fā)表于 04-03 01:08 ?4663次閱讀
    大模型時(shí)代,國(guó)產(chǎn)<b class='flag-5'>GPU</b><b class='flag-5'>面臨</b>哪些<b class='flag-5'>挑戰(zhàn)</b>

    FPGA在深度學(xué)習(xí)應(yīng)用中或?qū)⑷〈?b class='flag-5'>GPU

    基礎(chǔ)設(shè)施,人們?nèi)匀粵](méi)有定論。如果 Mipsology 成功完成了研究實(shí)驗(yàn),許多正受 GPU 折磨的 AI 開(kāi)發(fā)者將從中受益。 GPU 深度學(xué)習(xí)面臨
    發(fā)表于 03-21 15:19

    詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    在如今的網(wǎng)絡(luò)時(shí)代,錯(cuò)綜復(fù)雜的大數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境,讓傳統(tǒng)信息處理理論、人工智能與人工神經(jīng)網(wǎng)絡(luò)都面臨巨大的挑戰(zhàn)。近些年,深度學(xué)習(xí)逐漸走進(jìn)人們的視線,通過(guò)
    的頭像 發(fā)表于 01-11 10:51 ?2025次閱讀
    詳解<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用
    主站蜘蛛池模板: 7723日本高清完整版在线观看| 玩弄人妻少妇500系列网址| 朝鲜美女bbwbbw撒尿| 色欲AV精品人妻一二三区| 国产精品成人无码免费视频| 亚洲精品m在线观看| 久久内在线视频精品mp4| 99久久99久久免费精品蜜桃| 日韩1区1区产品乱码芒果榴莲| 国产精品久久久久久日本 | 精品欧美一区二区三区久久久| 在线看片福利无码网址| 欧美猛男gaygayxxgv| 国产 亚洲 日韩 欧美 在线观看| 小伙无套内射老女人| 久久精品国产欧美日韩99热| 999国产高清在线精品| 肉动漫无码无删减在线观看| 国产一卡2卡3卡4卡孕妇网站 | 1024人成网站色www下载| 青柠在线观看视频在线高清| 国产精品麻豆a在线播放| 伊人久久大香线蕉综合电影网| 男同志video最新猛男| 国产精品久久久久久精品... | 娇小XXXXX第一次出血| 97国内精品久久久久久久影视| 肉动漫3D卡通无修在线播放| 黄色jjzz| FREE性丰满HD毛多多| 羞羞漫画免费漫画页面在线看漫画秋蝉| 久久囯产精品777蜜桃传媒| www色视频在线观看| 亚洲xxxx动漫| 男人把女人桶到爽免费看视频| 国产传媒18精品免费1区| 伊人草| 人妻无码AV中文系列| 果冻传媒在线观看进入窗口| 99精品成人无码A片观看金桔| 午夜AV亚洲一码二中文字幕青青 |