How to choose the right AI hardware acceleration solution for different applications?

搜索最新SoC解决方案
关于汽车电子...物联网...安全...音频...视频

作者：Patrick Mannion，EDN特约技术编辑, Oct. 23, 2018 – 

从云端的大数据(big data)处理到边缘端的关键词识别和影像分析，人工智能(AI)应用的爆炸式成长促使专家们前仆后继地开发最佳架构，以加速机器学习(ML)算法的处理。各式各样的新兴解决方案都凸显了设计人员在选择硬件平台之前，明确定义应用及其需求的重要性。

从很多方面来看，AI加速热潮与1990年代末期和2000年代初的DSP淘金热很类似；在那个时候，随着有线和无线通信起飞，市场上纷纷推出高性能DSP协同处理器(co-processor)以因应基带处理的挑战。与DSP协同处理器一样，AI加速器的目标是找到最快速、最节能的方法来执行所需的运算任务。

神经网络处理背后的数学，涉及统计学、多元微积分(multivariable calculus)、线性代数、数值优化(numerical optimization)和机率等；虽然很复杂，也是高度可平行化的(parallelizable)。但事实上这是令人尴尬的可平行化──与分布式计算不同，在路径的输出被重组并产生输出结果之前，很容易被分解为没有分支(branches)或从属关系(dependencies)的平行路径。

点击此处阅读更多

 Back