IoT uç cihazlarında derin öğrenmeye giriş
Konferans önerisi
Kaynak: eettaiwan
Makine öğrenimi, hızla nesnelerin interneti (IoT) cihazlarının kesin bir özelliği haline geliyor. Ev aletleri artık doğal dil kalıplarına akıllıca yanıt verebilen sesle çalışan arayüzleri destekliyor. Şimdi, akıllı telefon kamerasında robota süreci göstererek, robota malzemelerin fabrika sahası içinde nasıl hareket ettirileceğini ve diğer makinelerin nasıl programlanacağını gösterebilir.Aynı zamanda akıllı telefonun işlevi daha akıllı hale geldi. Bu uygulamalar, karmaşık ve çok yönlü verileri işleyebilen şimdiye kadarki en başarılı yapay zeka yapısını kullanıyor: derin sinir ağı (DNN).
Uç cihazlara akıllı hareket
Şimdiye kadar, DNN teknolojisinin gömülü sistemler konusu olarak uygulanması, her zaman bilgisayar performansının beklentisi olmuştur. Hesaplama miktarı eğitim sırasındakinden daha az olsa da, giriş verileri olduğunda eğitimli tanımlama ve analiz DNN'sinin çıkarım aşamasında, ses ve video gibi saniyede milyarlarca bilgi işlem trafiği verisi olması gerekir. Bu nedenle, çoğu durumda, işleme çok fazla güç sağlayabilen buluta aktarılacaktır, ancak uç cihazlar için hala ideal bir çözüm yoktur.
Otonom araçlar ve endüstriyel robotlar gibi temel görev kullanım durumları, DNN'nin gerçek zamanlı nesne tanıma yeteneklerini kullanacak ve bağlamsal algıyı geliştirecek. Ancak gecikme, bant genişliği ve ağ kullanılabilirliği sorunları bulut bilgi işlem için uygun değildir. Bu senaryolarda, uygulayıcı, bulutun hemen tepki verememe riskini göze alamaz.
Gizlilik başka bir konudur. Tüketiciler akıllı hoparlörler gibi cihazlarda ses yardımının rahatlığını takdir etseler de, yavaş yavaş, konuşma kayıtlarını buluta düzenli olarak aktardıklarında kişisel bilgilerinin yanlışlıkla ifşa edilebileceğinden endişeleniyorlar. Kamera lensleri ile donatılmış akıllı hoparlörler ve videoyu etkinleştirebilen robotik asistanların ortaya çıkmasıyla bu endişe de artmıştır. Müşterilerin şüphelerini ortadan kaldırması için üreticiler, son cihazda daha fazla DNN işlemeyi uca nasıl taşıyacaklarını araştırıyorlar. Temel sorun, DNN işlemenin geleneksel gömülü sistemlerin yapısı için uygun olmamasıdır.
Geleneksel gömülü işlemciler, DNN işlemeyi işlemek için yeterli değildir
CPU ve GPU tabanlı geleneksel yerleşik işlemciler, düşük güçlü cihazlar için DNN iş yüklerini verimli bir şekilde işleyemez. IoT ve mobil cihazların güç ve alan konusunda çok katı sınırları vardır ve gerçek zamanlı DNN işleme için yüksek performans gereklidir. Güç, verimlilik ve alan kombinasyonuna PPA adı verilir ve eldeki görev için optimize edilmelidir.
Bu sorunları çözmenin bir yolu, DNN işleme için yonga üzerinde geçici bellek yapılandırmasına erişebilen bir donanım motoru sağlamaktır. Bu yaklaşımla ilgili sorun, geliştiricilerin yüksek derecede esnekliğe sahip olması ve her bir DNN uygulamasının yapısının hedef uygulamasına göre ayarlanması gerektiğidir. Dil tanıma için tasarlanmış ve eğitilmiş DNN, videoya özgü DNN'den farklı evrişim, havuzlama ve tamamen bağlı katmanları karıştıracaktır. Makine öğrenimi olgunlaşmamış olduğundan ve gelişmeye devam ettiğinden, geleceğe uyum sağlayabilecek çözümler tasarlamak için esneklik şarttır.
Diğer bir yaygın yöntem, standart işleme birimine bir vektör işleme birimi (VPU) eklemektir. Bu yaklaşım, farklı ağ türlerinin daha verimli planlanmasına ve esnek kontrolüne izin verir, ancak bu yeterli değildir. Harici bir DDR belleğinden veri okumak DNN işlemeyle ilgilidir ve son derece güç tüketen bir iştir. Bu nedenle, veri verimliliği ve bellek erişimi, eksiksiz bir çözüm olarak ayrıntılı olarak kontrol edilmelidir. Verimliliği, ölçeklenebilirliği ve esnekliği artırmak için VPU, AI işlemcideki gerekli önemli modüllerden yalnızca biridir.
Optimize edilmiş bant genişliğini ve işleme hızını etkinleştirin
Örneğin, CEVA, DNN'nin performans zorluklarını aynı anda karşılayabilen ve çok çeşitli yerleşik derin öğrenme uygulamalarının üstesinden gelmek için gereken esnekliği koruyabilen bir yapı oluşturmuştur. NeuPro AI işlemci, evrişim, tam bağlantı, aktivasyon ve havuzlama katmanlarını işlemek için profesyonel ve optimize edilmiş derin sinir ağı çıkarım donanım motoru içerir. Ayrıca desteklenmeyenler için verimli ve programlanabilir bir VPU kullanır Diğer katmanlar ve çıkarım yazılımı yürütülür. Bu yapı, optimize edilmiş çizim derlemesini başlatabilen ve çalışma zamanında yürütülebilen CEVA Deep Neural Network (CDNN) yazılım mimarisiyle uyumludur.
NeuPro'nun ölçeklenebilir ve esnek yapısı çeşitli AI uygulamaları için uygundur
8 bit ve 16 bit aritmetiği destekleyerek daha fazla performans optimizasyonu elde edilebilir. Bazı işlemler için, 16 bitlik hesaplamaların doğru olması gerekirken, diğer durumlarda 8 bitlik hesaplamalar neredeyse aynı sonuçları elde edebilir, bu da iş yükünü önemli ölçüde azaltabilir ve böylece güç tüketimini azaltabilir. NeuPro motoru, bu karışık işlemleri dengeleyebilir, böylece her katmanın en ideal uygulamayı elde etmesine izin verir.
En ideal doğruluğu ve performansı sağlamak için farklı katmanlara göre 8 bit veya 16 bit hesaplamaları seçin
Optimize edilmiş donanım modüllerini, VPU'ları ve verimli bellek sistemlerini birleştirmek ölçeklenebilir, esnek ve yüksek verimli çözümler sağlayabilir. Ek olarak, CDNN, geliştirmeyi basitleştirmek için düğme ağ dönüştürme ve hazır kitaplık modüllerini de kullanabilir. Nihai sonuç, tamamen işlevsel olan ve IoT cihaz tasarımcılarına yeni nesil ürünlerde yerelleştirilmiş makine öğrenimini tam olarak kullanma yetkisi veren bir yapay zeka işlemcisidir.
Nesnelerin İnterneti'nin gelişme eğilimini ve en son gelişmelerini daha iyi anlamak istiyorsanız, 28 Haziran'da Pekin'e katılmaya hoş geldiniz.
ET2018 IoT Ekolojik Gelişim Forumu (Pekin 28 Haziran)
Temel bilgiler
Zaman Temalı toplantı: 28 Haziran 201813: 00-18: 00
Saha ziyareti: 29 Haziran 201809: 00-12: 00
Yer Beijing Zhongyou Hotel Haidian Şubesi
Organizatör EETOP
Yöneten Çin Bilgi ve İletişim Teknolojileri Akademisi Laboratuvarı'na söyle
Form Konferans ana, sergi tamamlayıcıdır
Ölçek 300 kişi
Ücretler Ücretsiz
[Hedef kitle] Operatörleri, standart araştırma kurumlarını, test ve sertifikasyon kurumlarını, Nesnelerin İnterneti servis sağlayıcılarını, kolejleri ve üniversiteleri ve çip, modül, terminal, ağ, platform ve diğer IoT endüstri zinciri proje liderlerini, teknik direktörleri, pazarlama direktörlerini ve iş geliştirme direktörlerini kapsar Araştırma ve geliştirme direktörleri, teknik yöneticiler, mühendisler vb.
Foruma genel bakış
Bazı heyecan verici konular
Altın sponsor
Shanghai Mobile Communication Technology Co., Ltd.
Keysight Technology (Çin) Co., Ltd.
Katılım Talimatları
Konferans adresi trafik bilgileri
Beijing Zhongyou Hotel Haidian Şubesi
adres: Çok Fonksiyonlu Salon, 4. Kat, Chengfu Yolu Doğu Kapısı, 20 Xueyuan Yolu, Haidian Bölgesi, Pekin
Kendi kendine sürüş: Ücretsiz park
metro: Hat 15, Liudaokou İstasyonu, yaklaşık 850 metre
Hat 13, Wudaokou İstasyonu, yaklaşık 1,7 kilometre
Hat 10, Xitucheng İstasyonu, yaklaşık 2,3 kilometre
Otobüs: Chengfu Yol Kavşağının Batısı, 86, 307, 311, 375, 508, Express 126;
Xueyuan Yolu'nun kuzey girişi, 26, 392, 398, 438, 478, 490, 606, 632, 693, vb.
Konferans danışmanlığı ve ticari işbirliği
İletişim: Nancy
Tel: 13811458600 (WeChat ile aynı)
Katılmak için kaydolun
1. Ücretsiz katılımı seçin , Lütfen sol alt köşedeki "orijinal metni okuyun" seçeneğine tıklayın, bilgileri doldurun ve kayıt işlemini tamamlayın.
2. Konferansa katılmak için ödeme yapın, lütfen tarayın Kare QR kodu, bilgileri doldurun. İlk indirim turu 31 Mayıs 150 / kişi; Ayrıca, ilk teklif turunun aynı döneminde, Bu makaleyi WeChat Moments'a iletin ve ekran görüntülerini EETOP'un konferans işlerine gönderin Personel, 99 yuan özel bir dostluğun tadını çıkarabilir!
