- 1、本文档共5页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
??
?
??
机器学习的第二阶段:推理
?
??
?
?
?
?
?
?
?
???
?
?
?
?
?
?
?
我们之前讨论过,训练过程是机器学习的第一阶段,而推理则紧随其后,为机器学习的第二阶段。在训练阶段,算法会生成新模型或把预训练模型重新调整用于特定应用,并帮助模型学习其参数。在推理阶段,会根据学习得到的参数对新数据进行预估和决策。
学习需要大量的时间、计算能力和电力,相反,推理阶段需要较少的处理能力,并且也消耗较少的功率。但是,正如之前部分“解析人工智能:训练”所述,对于物联网设备,中央云中的传统计算方式可能会占用大量资源。处在网络边缘的每个物联网节点都收集大量数据,从而使边缘到云端(以及相反从云端到边缘)的数据传输既昂贵又缓慢。“边缘计算”可以直接执行大多数计算,并且仅在完全必要时才将相关信息传输回云端(反之亦然),从而无需依靠基于云的服务器来进行所有处理。虽然在网络边缘进行计算可以减少数据传输成本和时间,但该模型也具有某些缺点。例如,网络边缘的物联网设备需要大量的处理能力来满足学习和推理需求,这与物联网设备要求的高能效原则背道而驰。这正是AI边缘计算加速器能够解决的问题。
AI加速器
基于软件和硬件的AI加速器都可加快机器学习。硬件加速可以针对训练、推理或两者兼有。在某些情况下,硬件加速器可以降低功耗。而在其他情况下,硬件加速器可以提高处理能力。目前有几种主要类型的芯片或处理器可用于硬件加速,这些包括中央处理器(CPU)、图形处理器(GPU)、现场可编程门阵列(FPGA)、片上系统(SoC)、专用集成电路(ASIC)、视觉处理器(VPC)和神经形态(neuromorphic)集成电路。除了硬件加速器之外,市场上的解决方案还包括基于软件的方式,例如机器学习框架可用于改善AI软件开发和优化系统性能。
CPU和GPU
CPU是AI传统上使用的硬件加速器。尽管CPU一般被设计为通用型器件,但它们通常不足以支持模型生成和推理所需的大量计算。因此,包括ARM(通过DynamIQ产品)和三星(通过Exynos9系列)等公司已经开始创建AI专用芯片。在ARM和三星等公司选择继续使用AI专用CPU的同时,其他公司则正在转向GPU。
GPU起源于视频游戏行业,专为处理海量数据集而构建,非常适合用于机器学习。由于GPU具有比CPU更多的单片处理单元和更高的吞吐量,以及更高的并行处理能力,因此能够显著减少计算时间。此外,GPU的单个处理单元比CPU所使用的多个单元更加小巧,从而使GPU更适合于需要小巧和灵活解决方案的空间受限物联网设备。可提供AI专用GPU的公司包括AMD(RadeonInstinct)、NEC(SX-Aurora)、NVIDIA(DGX)和高通(Adreno)等。
FPGA
尽管CPU和GPU拥有相当大的处理能力,并且对于加速学习和推理非常有效,但它们却需要花费大量时间和能量在内存和处理之间传输数据。由于CPU和GPU的电路密度相当高,因此经常会由于过热而导致系统故障。对于位于远端的物联网设备,高能耗和潜在系统故障是难以接受的缺点,需要找到一种方法可以将某些任务转移到更节能的硬件上,这一点非常必要。
基于可编程逻辑的FPGA是一种能够在生产后由客户或设计人员现场重新配置的一种器件。虽然FPGA通常不如CPU或GPU强大,但通过芯片自身内部计算而不是数据传输,能够为某些计算(如乘法、加法、集分、微分和指数等)提供快速处理。尽管FPGA提供了更大的灵活性,但它往往相当笨重,因此要实现物联网设备的小型化是此类芯片的一大挑战。能够提供面向AI应用芯片的主要公司包括NVIDIA(TensorRT)和Xilinx。此外,微软也正在使用FPGA芯片来加速推理,英特尔目前正在扩展其FPGA产品组合。?
SoC
SoC包含有多个电子器件的组合(微处理器、微控制器、数字信号处理器、片上存储器、硬件加速器等)。由于多个组件集成到单一半导体基底,SoC比微控制器芯片功能更加强大。在智能手机中,SoC可以集成视频、音频和图像处理功能。ARM已经开发了机器学习处理器和对象检测处理器,这些处理器能够在未来集成到SoC中。隶属华为集团的海思(HiSilicon)半导体部已经得到ARM的IP授权,以创建最初用于手机和平板电脑的SoC。此外,HiSilicon正在为华为制造升腾芯片(Ascend)。SoC领域的另一大厂商是Arteris,该公司正在开发一种片上网络互连交换矩阵技术(FlexNoC),许多移动和无线公司都在使用该技术。由于Arteris在知识产权方面占据主导地位,因此对该市场有更宏观的掌握。可能很快会有其他公司在AISoC市场发挥重要作用,这些包括英特尔(通过其Movidius子公司)、恩智浦、瑞萨、东芝、德
文档评论(0)