<progress id="jj2rv"></progress>

    <em id="jj2rv"></em><div id="jj2rv"></div>
      <div id="jj2rv"></div>
      <dl id="jj2rv"><menu id="jj2rv"></menu></dl>

        <em id="jj2rv"><ol id="jj2rv"></ol></em>
        <div id="jj2rv"><tr id="jj2rv"></tr></div>
        <progress id="jj2rv"><tr id="jj2rv"></tr></progress>

        <progress id="jj2rv"></progress>

        <progress id="jj2rv"><tr id="jj2rv"></tr></progress>

        <dl id="jj2rv"><ins id="jj2rv"></ins></dl>
        <em id="jj2rv"><ol id="jj2rv"><mark id="jj2rv"></mark></ol></em><dfn id="jj2rv"><tr id="jj2rv"></tr></dfn>

          電子發燒友網 > 模擬技術 > 正文

          淺談神經網絡在FPGA平臺上的實現方案

          ? 2018年09月15日 09:10 ? 次閱讀

            近十年來,人工智能又到了一個快速發展的階段。深度學習在其發展中起到了中流砥柱的作用,盡管擁有強大的模擬預測能力,深度學習還面臨著超大計算量的問題。在硬件層面上,GPUASIC,FPGA都是解決龐大計算量的方案。本文將闡釋深度學習和FPGA各自的結構特點以及為什么用FPGA加速深度學習是有效的,并且將介紹一種遞歸神經網絡(RNN)在FPGA平臺上的實現方案。

            揭開深度學習的面紗

            深度學習是機器學習的一個領域,都屬于人工智能的范疇。深度學習主要研究的是人工神經網絡的算法、理論、應用。自從2006年Hinton等人提出來之后,深度學習高速發展,在自然語言處理、圖像處理、語音處理等領域都取得了非凡的成就,受到了巨大的關注。在互聯網概念被人們普遍關注的時代,深度學習給人工智能帶來的影響是巨大的,人們會為它隱含的巨大潛能以及廣泛的應用價值感到不可思議。

            事實上,人工智能是上世紀就提出來的概念。1957年,Rosenblatt提出了感知機模型(Perception),即兩層的線性網絡;1986年,Rumelhart等人提出了后向傳播算法(Back PropagaTIon),用于三層的神經網絡的訓練,使得訓練優化參數龐大的神經網絡成為可能;1995年,Vapnik等人發明了支持向量機(Support Vector Machines),在分類問題中展現了其強大的能力。以上都是人工智能歷史上比較有代表性的事件,然而受限于當時計算能力,AI總是在一段高光之后便要陷入灰暗時光——稱為:“AI寒冬”。

            然而,隨著計算機硬件能力和存儲能力的提升,加上龐大的數據集,現在正是人AI發展的最好時機。自Hinton提出DBN(深度置信網絡)以來,人工智能就在不斷的高速發展。在圖像處理領域,CNN(卷積神經網絡)發揮了不可替代的作用,在語音識別領域,RNN(遞歸神經網絡)也表現的可圈可點。而科技巨頭也在加緊自己的腳步,谷歌的領軍人物是Hinton,其重頭戲是Google brain,并且在去年還收購了利用AI在游戲中擊敗人類的DeepMind;Facebook的領軍人物是Yann LeCun,另外還組建了Facebook的AI實驗室,Deepface在人臉識別的準確率更達到了驚人的97.35%;而國內的巨頭當屬百度,在挖來了斯坦福大學教授Andrew Ng(Coursera的聯合創始人)并成立了百度大腦項目之后,百度在語音識別領域的表現一直十分強勢。

            一覽深度學習

            簡單來說,深度學習與傳統的機器學習算法的分類是一致的,主要分為監督學習(supervised learning)和非監督學習(unsupervised learning)。所謂監督學習,就是輸出是有標記的學習,讓模型通過訓練,迭代收斂到目標值;而非監督學習不需要人為輸入標簽,模型通過學習發現數據的結構特征。比較常見的監督學習方法有邏輯回歸、多層感知機、卷積神經網絡登;而非監督學習主要有稀疏編碼器、受限玻爾茲曼機、深度置信網絡等。所有的這些都是通過神經網絡來實現的,他們通常來說都是非常復雜的結構,需要學習的參數也非常多。但是神經網絡也可以做簡單的事情,比如XNOR門,如圖。

            在圖1(a)中,兩個輸入x_1和x_2都是分別由一個神經元表示,在輸入中還加入了一個作為偏置(bias)的神經元,通過訓練學習參數,最終整個模型的參數收斂,功能和圖1(b)真值表一模一樣。圖1(c)分類結果。

            而通常來說,模型都是比較復雜的。比如ILSVRC2012年圖像識別大賽中Krizhevsky等人構建出來的 Alex Net。他們一共構建了11層的神經網絡(5個卷積層,3個全連接層,3個池化層),一共有65萬個神經元,6千萬個參數,最終達到了15.2%的識別錯誤率,大大領先于第二名的26.2%。

            

            當前深度學習得以流行,是得益于大數據和計算性能的提升。但其仍然遭受計算能力和數據量的瓶頸。針對數據量的需求,專家們可以通過模型的調整、變更來緩解,但計算力的挑戰沒有捷徑。科大訊飛、百度、阿里、360在深度學習方面也面臨著計算力的困擾。科大訊飛的深度學習平臺屬于計算密集型的平臺,集群幾百臺機器之間要實現高速互聯,是類似超算的結構,但它又不是一個非常典型的超算。科大訊飛最開始探索傳統的方式,用大量CPU來支持大規模數據預處理,運行GMM-HMM等經典模型的訓練,在千小時的數據量下,效果很不好。而360每天處理的數據有上億條,參數50萬以上,如果用CPU,每次模型訓練就要花幾天,這對于崇尚快速迭代的互聯網公司運營來說簡直是不可接受的。

            為什么選擇FPGA

            FPGA(Field Programmable Gate Array)是在PAL、GAL、CPLD等可編程邏輯器件的基礎上進一步發展的產物。它是作為專用集成電路領域中的一種半定制電路而出現的,既解決了全定制電路的不足,又克服了原有可編程邏輯器件門電路數有限的缺點。FPGA的開發相對于傳統PC、單片機的開發有很大不同。FPGA以并行運算為主,以硬件描述語言來實現;相比于PC或單片機(無論是馮諾依曼結構還是哈佛結構)的順序操作有很大區別。FPGA開發需要從頂層設計、模塊分層、邏輯實現、軟硬件調試等多方面著手。FPGA可以通過燒寫位流文件對其進行反復編程,目前,絕大多數 FPGA 都采用基于 SRAM(StaTIc Random Access Memory 靜態隨機存儲器)工藝的查找表結構,通過燒寫位流文件改變查找表內容實現配置。

            使用CPU。在2006年的時候,人們還是用串行處理器處理機器學習的問題,當時Mutch 和 Lowe開發了一個工具FHLib(feature hierarchy library)用來處理hierarchical 模型。對于CPU來說,它所要求的編程量是比較少的并且有可遷移性的好處,但是串行處理的特點變成了它在深度學習領域的缺點,而這個缺點是致命的。時至今日,據2006年已經過去了十年,過去的十年集成電路的發展還是遵循著摩爾定律,CPU的性能得到了極大的提升,然而,這并沒有讓CPU再次走入深度學習研究者的視野。盡管在小數據集上CPU能有一定的計算能力表現,多核使得它能夠并行處理,然而這對深度學習來說還是遠遠不夠的。

            使用GPU。GPU走進了研究者的視線,相比于CPU,GPU的核心數大大提高了,這也讓它有更強大的并行處理能力,它還有更加強大的控制數據流和儲存數據的能力。Chikkerur進行了CPU和GPU在處理目標識別能力上的差別,最終GPU的處理速度是CPU的3-10倍。

            使用ASIC。專用集成電路芯片(ASIC)由于其定制化的特點,是一種比GPU更高效的方法。但是其定制化也決定了它的可遷移性低,一旦專用于一個設計好的系統中,要遷移到其它的系統是不可能的。并且,其造價高昂,生產周期長,使得它在目前的研究中是不被考慮的。當然,其優越的性能還是能在一些領域勝任。用的就是ASIC 的方案,在640×480pixel的圖像中識別速率能達到 60幀/秒。

            使用FPGA。FPGA在GPU和ASIC中取得了權衡,很好的兼顧了處理速度和控制能力。一方面,FPGA是可編程重構的硬件,因此相比GPU有更強大的可調控能力;另一方面,與日增長的門資源和內存帶寬使得它有更大的設計空間。更方便的是,FPGA還省去了ASIC方案中所需要的流片過程。FPGA的一個缺點是其要求使用者能使用硬件描述語言對其進行編程。但是,已經有科技公司和研究機構開發了更加容易使用的語言比如Impulse Accelerated Technologies Inc. 開發了C-to-FPGA編譯器使得FPGA更加貼合用戶的使用,耶魯的E-Lab 開發了Lua腳本語言。這些工具在一定程度上縮短了研究者的開發時限,使研究更加簡單易行。

            在FPGA上運行LSTM神經網絡

            LSTM簡介

            傳統的RNN由一個三層的網絡:輸入層it,隱藏層ht,輸出層yt;其中ht的信息作用到下一時刻的輸入,這樣的結構簡單的模仿了人腦的記憶功能,圖3是其拓撲圖:

            只有一個隱藏層方程:

            其中 Wx和 Wh分別是輸入和隱藏層的權重,b 是偏置。

            LSTM 是RNN(遞歸神經網絡)的一種,在處理時序數據得到了最廣泛的應用,它由門控制信息一共有三個個門:輸入門it,遺忘門ft,輸出門ot,另外還有隱藏層ht和記憶細胞ct。圖4是其拓撲圖:

            輸入門控制了某一時刻的輸入;遺忘門通過作用到上一時刻記憶細胞上,控制了上一時刻的數據流要流多少進入下一時刻;記憶細胞是由上一時刻的輸入和這一時刻的候選輸入共同決定的;輸出門作用到記憶細胞上,決定了這一時刻的隱藏層信息,并且送到下一層神經網絡上。全部方程如下:

            其中W 代表各自的權重,b 代表各自的偏置, σ 是logisTIc sigmoid 函數:

            設計FPGA模塊

            一種遞歸神經網絡在FPGA平臺上的實現方案詳解

            LSTM主要進行的是矩陣的乘法和非線性函數的計算(tanh,sigmoid),因此,選擇了Q8.8定點。

            矩陣乘法由MAC單元進行(MulTIply Accumulate),一共有兩個數據流:向量和權重矩陣流,如圖6(a)。在迭代完一次之后MAC就會重置以防止之前的數據混入下一時刻的數據。兩個MAC單元的數據相加之后進行非線性函數計算。同時用一個rescale模塊將32位的數據轉變為16位的數據。

            標量計算的模塊,是為了計算ct和ht,最終傳入下一時刻的計算。如圖6(b)。

            整個模型一共用了三個圖6(a)和一個圖6(b)的模塊,如圖6(c)。數據的流入流出用了DMA(Direct Memory Access)串口控制。由于DMA串口是獨立的,因此,還需要一個時鐘模塊對其進行時序控制。時鐘模塊主要是一個緩沖存儲器組成并暫存了一些數據直到數據都到達。當最后的一個端口數據流入時鐘模塊才開始傳送數據,這保證了輸入跟權重矩陣是同個時刻相關的。

            通過在不同平臺上訓練LSTM網絡,我們得到了不同模型的對比。表1是平臺的參數,運行結果如圖7,可以發現:即使在142MHz的時鐘頻率下,FPGA平臺下的運行時間遠遠小于其他平臺,并行八個LSTM 記憶細胞的處理取得了比 Exynos5422 快16倍的結果。

            深度學習采用包含多個隱藏層的深層神經網絡(DeepNeural Networks,DNN)模型。DNN內在的并行性,使得具備大規模并行體系結構的GPU和FPGA成為加速深度學習的主流硬件平臺,其突出優勢是能夠根據應用的特征來定制計算和存儲結構,達到硬件結構與深度學習算法的最優匹配,獲得更高的性能功耗比;并且,FPGA靈活的重構功能也方便了算法的微調和優化,能夠大大縮短開發周期。毫無疑問,FPGA在深度學習的未來是十分值得期待的。

          技術專區

          關注電子發燒友微信

          有趣有料的資訊及技術干貨

          下載發燒友APP

          打造屬于您的人脈電子圈

          關注發燒友課堂

          鎖定最新課程活動及技術直播
          收藏 人收藏
          分享:

          評論

          相關推薦

          用FPGA設計計算器

          計算器是設計中經常用到的一個操作軟件,設計和學習計算器使我們親密的聯系所學的各模塊, 對我們的學習有...

          發表于 2018-09-15 08:48 ? 20次閱讀
          用FPGA設計計算器

          FPGA在各行業的應用分析

          FPGA(Field Programmable Gate Array)于1985年由xilinx創始...

          發表于 2018-09-15 08:34 ? 25次閱讀
          FPGA在各行業的應用分析

          基于LUT的輸入處理的FPGA實現-應用筆記

          發表于 2018-09-14 21:32 ? 15次閱讀
          基于LUT的輸入處理的FPGA實現-應用筆記

          人工智能似乎才開始迎來了其大爆發的時代

          即便人工智能未來看似一片大好,然而不可忽視的是,目前該領域的行業入門門檻依舊很高,幾乎所有團隊都孵化...

          發表于 2018-09-14 16:56 ? 213次閱讀
          人工智能似乎才開始迎來了其大爆發的時代

          淺析高性能PCB設計

          發表于 2018-09-14 16:38 ? 16次閱讀
          淺析高性能PCB設計

          AI依舊大爆發:去年投資增長10倍,算力提高23...

          除此之外,浪潮還在會上全球首發AI 超級服務器——AGX-5,這款服務器計算性能高達每秒2千萬億次,...

          發表于 2018-09-14 16:33 ? 208次閱讀
          AI依舊大爆發:去年投資增長10倍,算力提高23...

          Cyclone III FPGA技術為設計人員開...

          采用新的低成本Cyclone? III FPGA 系列很容易處理這些問題。設計人員可以在Cyclon...

          發表于 2018-09-14 15:52 ? 24次閱讀
          Cyclone III FPGA技術為設計人員開...

          美高森美發布了新一代先進的SmartFusion...

          美高森美公司(Microsemi) 發布了新一代先進的SmartFusion2 SoC FPGA評...

          發表于 2018-09-14 15:41 ? 127次閱讀
          美高森美發布了新一代先進的SmartFusion...

          JNEye鏈路分析工具支持迅速評估高速Alter...

          Altera公司今天發布JNEye鏈路分析工具,提供驗證和電路板級全套設計工具。JNEye支持設計...

          發表于 2018-09-14 15:10 ? 52次閱讀
          JNEye鏈路分析工具支持迅速評估高速Alter...

          verilog中初值定義

          發表于 2018-09-14 11:49 ? 82次閱讀
          verilog中初值定義

          FPGA學習系列:內存128M的flash芯片設...

          設計背景: FLASH閃存閃存的英文名稱是Flash Memory,一般簡稱為Flash,它屬于內存...

          發表于 2018-09-14 11:49 ? 498次閱讀
          FPGA學習系列:內存128M的flash芯片設...

          配置為接收模式能否用AD9361內部FIR代替外部FPGA中的FIR?

          發表于 2018-09-14 11:43 ? 32次閱讀
          配置為接收模式能否用AD9361內部FIR代替外部FPGA中的FIR?

          解決加快開發速度并降低定制儀器的成本方法

          人們經常需要開發定制的儀器用于實驗或生產測試。早期的方法是通過 GPIB/IEEE-488 接口來連...

          發表于 2018-09-14 10:56 ? 299次閱讀
          解決加快開發速度并降低定制儀器的成本方法

          FPGA至簡設計法經典案例

          發表于 2018-09-14 10:18 ? 105次閱讀
          FPGA至簡設計法經典案例

          【FPGA學習】VHDL 語言函數類預定義屬性是如何定義的

          發表于 2018-09-14 09:15 ? 40次閱讀
          【FPGA學習】VHDL 語言函數類預定義屬性是如何定義的

          【FPGA學習】VHDL 語言值類預定義屬性有哪幾種

          發表于 2018-09-14 09:12 ? 25次閱讀
          【FPGA學習】VHDL 語言值類預定義屬性有哪幾種

          全球首發AI超級服務器——AGX-5,計算性能高...

          在進行中國AI計算力發展時,浪潮綜合考慮算力、算法、數據對于人工智能發展的影響,重點評估AI領域的投...

          發表于 2018-09-14 08:48 ? 145次閱讀
          全球首發AI超級服務器——AGX-5,計算性能高...

          400M時鐘時序問題

          發表于 2018-09-13 17:46 ? 108次閱讀
          400M時鐘時序問題

          Virtex UltraScale FPGA發貨...

          賽靈思公司(Xilinx)今天宣布首批Virtex UltraScale VU095 All Pr...

          發表于 2018-09-13 16:52 ? 40次閱讀
          Virtex UltraScale FPGA發貨...

          關于FPGA在400M下的時序問題

          發表于 2018-09-13 13:58 ? 42次閱讀
          關于FPGA在400M下的時序問題

          FPGA學習系列:37. USB2.0的設計

          發表于 2018-09-13 12:07 ? 92次閱讀
          FPGA學習系列:37. USB2.0的設計

          推動人工智能 (AI) SoC 提出新的技術要求

          近期在深度學習算法和神經網絡處理領域的創新正在推動人工智能 (AI) SoC 提出新的技術要求。所有...

          發表于 2018-09-13 10:52 ? 174次閱讀
          推動人工智能 (AI) SoC 提出新的技術要求

          【FPGA學習】VHDL并行語句有哪些 VHDL并行語句怎么寫

          發表于 2018-09-13 10:14 ? 41次閱讀
          【FPGA學習】VHDL并行語句有哪些 VHDL并行語句怎么寫

          Fran?ois Chollet:關于軟件工程的...

          最強大的心智模型是模塊化和層次化的:既注重高級別的簡潔性,又兼顧精確性,包含需要了解詳細信息。同樣的...

          發表于 2018-09-13 09:54 ? 118次閱讀
          Fran?ois Chollet:關于軟件工程的...

          國家必須堅決支持自主FPGA技術發展

          日前關于京微雅格的風波引起了業內的廣泛關注,無論爭論結果如何,需要明確的一點是國家必須堅決支持自主F...

          發表于 2018-09-12 17:03 ? 128次閱讀
          國家必須堅決支持自主FPGA技術發展

          一種遞歸神經網絡在FPGA平臺上的實現方案詳解

          近十年來,人工智能又到了一個快速發展的階段。深度學習在其發展中起到了中流砥柱的作用,盡管擁有強大的模...

          發表于 2018-09-12 16:53 ? 150次閱讀
          一種遞歸神經網絡在FPGA平臺上的實現方案詳解

          基于Unrolling的深度方法及應用

          為了更深刻理解深度網絡的本質特點,我們首先比較一下傳統模型驅動的思路和端到端學習深度網絡建模方法的區...

          發表于 2018-09-12 16:14 ? 196次閱讀
          基于Unrolling的深度方法及應用

          AI在汽車電子中的應用:如何利用深度學習保證汽車...

          在未來的某個時候,人們必定能夠相對自如地運用人工智能,安全地駕車出行。這個時刻何時到來我無法預見;但...

          發表于 2018-09-12 15:17 ? 523次閱讀
          AI在汽車電子中的應用:如何利用深度學習保證汽車...

          通過YouTube視頻中的圖像和聲音來訓練深度神...

          該團隊在麻省理工學院的計算機科學和人工智能實驗室 (Computer Science and Art...

          發表于 2018-09-12 14:19 ? 162次閱讀
          通過YouTube視頻中的圖像和聲音來訓練深度神...

          四句話就讓你徹底明白人工智能都是什么!

          強人工智能又稱通用人工智能或完全人工智能, 指的是可以勝任人類所有工作的人工智能。一個可以稱得上強人...

          發表于 2018-09-12 10:39 ? 173次閱讀
          四句話就讓你徹底明白人工智能都是什么!

          AGM歷經艱險成功逆襲,將成為亞洲出貨量最大的非...

          2015年國內的半導體行業可謂風生水起,國家意志主導的大基金大開大合,紫光為首的國內大佬在國外并購頻...

          發表于 2018-09-11 17:42 ? 54次閱讀
          AGM歷經艱險成功逆襲,將成為亞洲出貨量最大的非...

          Altera宣布啟動其設計解決方案網路,加速客戶...

          Altera宣布啟動其設計解決方案網路(DSN),此一全球輔助支援系統將穩健的設計服務網路、IP、電...

          發表于 2018-09-11 17:36 ? 95次閱讀
          Altera宣布啟動其設計解決方案網路,加速客戶...

          訓練表示學習函數(即編碼器)以最大化其輸入和輸出...

          互信息是出了名的難計算,特別是在連續和高維設置中。幸運的是,在神經估計的最新進展中,已經能夠有效計算...

          發表于 2018-09-11 16:51 ? 204次閱讀
          訓練表示學習函數(即編碼器)以最大化其輸入和輸出...

          國產FPGA面臨著重重挑戰?國產FPGA該如何突...

          進入今年,在中興事件和中美貿易戰的雙重影響下,國內對集成電路的關注到達了前所未有的高度。而在過去多...

          發表于 2018-09-10 17:43 ? 817次閱讀
          國產FPGA面臨著重重挑戰?國產FPGA該如何突...

          在一片紅海的AI芯片市場中,FPGA憑借獨特的優...

          “AI芯片”這個新鮮的概念在過去一年間逐漸走過了普及的階段,越來越被大眾所熟知。在行業走過野蠻生長...

          發表于 2018-09-10 17:18 ? 407次閱讀
          在一片紅海的AI芯片市場中,FPGA憑借獨特的優...

          FPGA學習系列:36.實時時鐘的設計

          發表于 2018-09-10 17:12 ? 120次閱讀
          FPGA學習系列:36.實時時鐘的設計

          盤點人工智能在汽車安全系統的實際應用

          深度學習早已不是一個新概念,我們已經可以預見,在未來的未來的汽車與交通中,AI將會得到廣泛而深入的應...

          發表于 2018-09-10 11:30 ? 583次閱讀
          盤點人工智能在汽車安全系統的實際應用

          MIT不斷開發新的方法來分析從儀表化車隊收集的大...

          在MIT - AVT研究的頭14個月里,車輛每天行駛里程的可視化。這種可視化沒有顯示最近幾個月,因為...

          發表于 2018-09-10 10:58 ? 610次閱讀
          MIT不斷開發新的方法來分析從儀表化車隊收集的大...

          一名技術人員的十條精進原則

          “以終為始”(Begin With The End In Mind),是史蒂芬·柯維在《高效能人士的...

          發表于 2018-09-10 10:05 ? 340次閱讀
          一名技術人員的十條精進原則

          2018年世界計算機研究者單天引用次數排行榜

          Yoshua Bengio,CIFAR機器學習項目的聯合主任,同時也是蒙特利爾大學計算機與運算系的教...

          發表于 2018-09-10 09:27 ? 323次閱讀
          2018年世界計算機研究者單天引用次數排行榜

          日韓汽車產業加速追趕自動駕駛汽車芯片的發展

          由于一直以來日韓汽車產業的核心零部件供應鏈相對封閉,在全球汽車工業掀起自動駕駛浪潮及新一輪的投資背景...

          發表于 2018-09-10 08:55 ? 900次閱讀
          日韓汽車產業加速追趕自動駕駛汽車芯片的發展

          超越了數字信號處理器的運算能力

          所以簡單一句話就是,FPGA處理事情的實時性很高。舉個例子,比如你要同時買一瓶水和一袋餅干,ARM的...

          發表于 2018-09-10 08:17 ? 812次閱讀
          超越了數字信號處理器的運算能力

          FPGA軟件的發展趨勢

          This talk will discuss the challenge of FPGA devel...

          發表于 2018-09-10 04:14 ? 240次閱讀
          FPGA軟件的發展趨勢

          實現信號CDMA調制/解調的水聲通信系統

          任何信息需要借助聲、光、電信 號進行傳遞,由于光信號和電信號在海水中的衰減比較嚴重,而聲波是人類迄今...

          發表于 2018-09-09 10:53 ? 73次閱讀
          實現信號CDMA調制/解調的水聲通信系統

          用光速實現深度學習,探討光學神經網絡的應用

          光學人工神經網絡直觀模擬大腦處理信息的方式,可應用到新的相機設計和光學組件設計中,也可用于醫療技術、...

          發表于 2018-09-09 10:28 ? 298次閱讀
          用光速實現深度學習,探討光學神經網絡的應用

          通過深度學習實現自動駕駛之車輛檢測

          自動駕駛系統怎么感知周圍環境并做出“人類”的決定?如何在系統中使用 MATLAB?

          發表于 2018-09-09 09:57 ? 387次閱讀
          通過深度學習實現自動駕駛之車輛檢測

          大華推出“慧”系列AI出入口抓拍攝像機,讓停車不...

          隨著人工智能技術的飛速發展,“AI”已不再遙不可及,“視頻+AI”的技術,已讓生活的方方面面,充滿可...

          發表于 2018-09-09 01:32 ? 44次閱讀
          大華推出“慧”系列AI出入口抓拍攝像機,讓停車不...

          Altera為其基于ARM的SoC提供新支持,節...

          Altera公司今天宣布,使用MathWorks的業界標準工作流程,為其基于ARM的SoC提供新支...

          發表于 2018-09-08 10:04 ? 82次閱讀
          Altera為其基于ARM的SoC提供新支持,節...

          Spansion公司將借助一塊FPGA參考板展示...

          Spansion公司發布面向Xilinx Zynq-7000All Programmable So...

          發表于 2018-09-08 10:03 ? 80次閱讀
          Spansion公司將借助一塊FPGA參考板展示...

          新思虛擬原型工具可幫助汽車廠減少80%的自動駕駛...

          這時候必須要有一些新的開發測試方法來解決這個問題。幸運的是,業界領先的EDA設計測試工具供應商新思科...

          發表于 2018-09-08 09:49 ? 757次閱讀
          新思虛擬原型工具可幫助汽車廠減少80%的自動駕駛...

          機器學習研究項目的常見誤區

          基于現在這些深度學習庫,讓模型變得復雜很容易,加上更多的組件、網絡層和優化技巧。然而,當你改動代碼或...

          發表于 2018-09-08 09:18 ? 522次閱讀
          機器學習研究項目的常見誤區

          萊迪思半導體任命Steve Douglass為公...

          FPGA行業高管引領萊迪思全球研發團隊推動產品創新 萊迪思半導體公司(NASDAQ:LSCC),客制...

          發表于 2018-09-08 08:47 ? 450次閱讀
          萊迪思半導體任命Steve Douglass為公...

          從技術到品牌,AI如何推動FPGA應用拓展?

          近日,全球最大的FPGA廠商賽靈思宣布收購深鑒科技的消息,引發人工智能芯片行業熱議,這也是首起中國A...

          發表于 2018-09-07 17:03 ? 528次閱讀
          從技術到品牌,AI如何推動FPGA應用拓展?

          美高森美提供了最高密度、最低功耗的SmartFu...

          美高森美公司(Microsemi) 宣布提供全新最高密度、最低功耗SmartFusion2 150...

          發表于 2018-09-07 15:20 ? 294次閱讀
          美高森美提供了最高密度、最低功耗的SmartFu...

          Kintex UltraScale KU115 ...

          賽靈思公司(Xilinx)今天宣布Kintex UltraScale KU115 FPGA器件正式...

          發表于 2018-09-07 15:08 ? 106次閱讀
          Kintex UltraScale KU115 ...

          FPGA學習系列:35. 紅外線遙控系統的設計

          發表于 2018-09-07 11:59 ? 194次閱讀
          FPGA學習系列:35. 紅外線遙控系統的設計

          PCIe物理層接口定義了物理層中的,媒介層和物理...

          隨著高速串行技術的發展,各種串行通信技術的物理層逐漸走向了統一,用戶甚至可以基于FPGA中的SerD...

          發表于 2018-09-07 11:42 ? 258次閱讀
          PCIe物理層接口定義了物理層中的,媒介層和物理...

          通過深度學習方法為黑白老照片自動上色,帶我們重新...

          現在,隨著數據集的增加,由于我們處理的是高分辨率圖像,因此我們需要更多的計算能力。為此,我個人更喜歡...

          發表于 2018-09-07 10:13 ? 403次閱讀
          通過深度學習方法為黑白老照片自動上色,帶我們重新...

          FPGA設計需要注意哪些要點

          FPGA的用處比我們平時想象的用處更廣泛,原因在于其中集成的模塊種類更多,而不僅僅是原來的簡單邏輯單...

          發表于 2018-09-07 09:43 ? 892次閱讀
          FPGA設計需要注意哪些要點

          了解一下適用于每種學習模式的數據集和問題類型

          在無監督式學習中,深度學習模型會收到某個數據集,但對于如何處理該數據集卻未獲得明確的指示。訓練數據集...

          發表于 2018-09-06 16:15 ? 265次閱讀
          了解一下適用于每種學習模式的數據集和問題類型

          萊迪思MachXO3LTM產品系列開始量產,FP...

          萊迪思半導體公司的MachXO3LTM產品系列開始量產,包含最小尺寸為2.5 mm x 2.5 m...

          發表于 2018-09-06 16:06 ? 119次閱讀
          萊迪思MachXO3LTM產品系列開始量產,FP...

          李開復:人工智能技術隨著深度學習的出現,迎來野蠻...

          李開復博士在回答記者提問的時候也專門提到了這一問題,他說:“有關中美的競爭和合作,我真心認為中美的創...

          發表于 2018-09-06 10:40 ? 854次閱讀
          李開復:人工智能技術隨著深度學習的出現,迎來野蠻...

          基于深度學習的無信標自動追蹤工具

          通過構建深度網絡和數據集,研究人員們成功訓練出了一個可以從視頻中抽取身體特定部分位置的模型。研究人員...

          發表于 2018-09-06 09:06 ? 855次閱讀
          基于深度學習的無信標自動追蹤工具

          隨著物聯網智能化的提升,FPGA將發揮更多的作用

          隨著物聯網智能化的提升和不斷迭代,FPGA將發揮更多的數據預處理、橋接、I/O擴展等作用。

          發表于 2018-09-05 17:09 ? 484次閱讀
          隨著物聯網智能化的提升,FPGA將發揮更多的作用

          嵌入式FPGA能隨時更改RTL的靈活性,將改變芯...

          芯片設計人員今天面臨的最關鍵的問題之一是在設計過程中實時重新配置RTL,甚至在系統中也是如此。不幸的...

          發表于 2018-09-05 16:58 ? 118次閱讀
          嵌入式FPGA能隨時更改RTL的靈活性,將改變芯...

          FPGA加速今日新型態數據中心的主流應用,支持處...

          在這個強調智能與聯網的時代,可編程邏輯柵陣列 (FPGA)已經成為一個重要且不可或缺的元件。以全球5...

          發表于 2018-09-05 14:09 ? 410次閱讀
          FPGA加速今日新型態數據中心的主流應用,支持處...

          AAltera公司與Mentor Graphic...

          這些虛擬平臺包括了指令集仿真器CPU模型和外設器件模型,以單獨二進制可執行文件的形式提供,可以下載,...

          發表于 2018-09-05 10:11 ? 252次閱讀
          AAltera公司與Mentor Graphic...

          機器學習美女博士親身體驗:讀博與工作,如何抉擇?

          事后來看,所有這些都是比我想象的更狹窄的技能的一部分,而且這些技能中的許多都不如我期望的那樣具備可遷...

          發表于 2018-09-05 08:48 ? 1157次閱讀
          機器學習美女博士親身體驗:讀博與工作,如何抉擇?

          做AI,底層框架or上層應用?

          無論你想做深度學習還是深度學習系統,都需要同時了解兩方面的知識,根據自己的方向可以有所側重,但一定不...

          發表于 2018-09-05 08:42 ? 403次閱讀
          做AI,底層框架or上層應用?

          深度學習賦能零售行業,聚焦時尚零售及電商數據分析...

          隨著線上零售所占份額的逐漸增加,線下零售受到了越來越大的市場沖擊,故而如何將線上數字化、智能化、個性...

          發表于 2018-09-04 17:21 ? 478次閱讀
          深度學習賦能零售行業,聚焦時尚零售及電商數據分析...
          天津11选5投注