责任编辑：zsheng 作者：高慧 | 2018-06-13 21:59:45 本文摘自：科技魔方
用GPU取代CPU来运行神经网络，已经使AI发展迅速，但GPU在运行时，仍要将处理和存储分开，导致数据的传递需要耗费大量的时间和能量。
未来的人工智能，需要大规模可扩展的计算单元，无论是在云端还是在边缘，DNN都会变得更大、更快。不过，在此之前，人们还不清楚DNN是不是真的能够通过模拟技术进行高精度训练。
由于当前NVM存储器的固有缺陷，以前相关实验都没有在DNN图像分类任务上得到很好的精度，这一次，IBM研究人员收了神经科学的启发，使用了短期计算和长期记忆两种类型的“突触”。随后，基于NVM的芯片在训练全连接层方面展现出了极强的潜力，在计算能效上超过了当前GPU两个数量级。
据称，这类芯片若加以应用，便可将AI引入手机、自动驾驶汽车等个人设备，还可提高数据中心的运行效率，降低科技公司的服务器运营成本。
扫一扫
责任编辑：zsheng 作者：高慧 | 2018-06-13 21:59:45 本文摘自：科技魔方
用GPU取代CPU来运行神经网络，已经使AI发展迅速，但GPU在运行时，仍要将处理和存储分开，导致数据的传递需要耗费大量的时间和能量。
未来的人工智能，需要大规模可扩展的计算单元，无论是在云端还是在边缘，DNN都会变得更大、更快。不过，在此之前，人们还不清楚DNN是不是真的能够通过模拟技术进行高精度训练。
由于当前NVM存储器的固有缺陷，以前相关实验都没有在DNN图像分类任务上得到很好的精度，这一次，IBM研究人员收了神经科学的启发，使用了短期计算和长期记忆两种类型的“突触”。随后，基于NVM的芯片在训练全连接层方面展现出了极强的潜力，在计算能效上超过了当前GPU两个数量级。
据称，这类芯片若加以应用，便可将AI引入手机、自动驾驶汽车等个人设备，还可提高数据中心的运行效率，降低科技公司的服务器运营成本。
京公网安备 11010502049343号