據(jù)MIT News報道,麻省理工學(xué)院(MIT)的研究人員開發(fā)出了一種可用于神經(jīng)網(wǎng)絡(luò)計算的高性能芯片,該芯片的處理速度可達(dá)其他處理器的7倍之多,而所需的功耗卻比其他芯片少94-95%,未來這種芯片將有可能被使用在運(yùn)行神經(jīng)網(wǎng)絡(luò)的移動設(shè)備或是物聯(lián)網(wǎng)設(shè)備上。
MIT電子工程與計算科學(xué)研究生阿維謝克·碧斯沃斯(Avishek Biswas)是這個項目開發(fā)的領(lǐng)導(dǎo)者,他表示:“總體來說一般的處理器的運(yùn)行模式是這樣的,在芯片的一些部分里安放了內(nèi)存,在進(jìn)行計算的時候,它會在這些內(nèi)存中來回移動數(shù)據(jù)。由于機(jī)器學(xué)習(xí)算法需要大量的算力,因此在來回移動數(shù)據(jù)的時候會消耗大量的能源。但是其實(shí)這些算法所做的計算可以被簡化成一個種具體的操作,這種操作被稱為點(diǎn)積(dot product)。我們的想法是,我們是否可以將這個點(diǎn)積功能部署在內(nèi)存中,從而無需在不斷的移動這些數(shù)據(jù)?”
這個芯片會將結(jié)點(diǎn)的輸入值轉(zhuǎn)化為電壓,然后在進(jìn)行儲存和進(jìn)一步處理的時候,再將其轉(zhuǎn)換為數(shù)字形式。這種做法讓這塊芯片能夠在一個步驟中同時對16個結(jié)點(diǎn)的點(diǎn)積進(jìn)行計算,而且無需在內(nèi)存和處理器之間移動數(shù)據(jù)。MIT News認(rèn)為這種處理方法更加接近于人類大腦的工作方式。
碧斯沃斯將會在一篇論文中詳細(xì)闡述這塊芯片的工作方式,這篇論文將會在國際固態(tài)電路大會期間發(fā)表,和他一起撰寫論文的還有他的論文指導(dǎo)老師,MIT工程學(xué)院院長阿南莎·錢德拉卡珊(Anantha Chandrakasan)以及MIT電子工程與計算機(jī)科學(xué)教授范內(nèi)瓦·布什(Vannevar Bush)。
去年12月,SensibleVision公司CEO喬治·布羅斯托夫(George Brostoff)在曾經(jīng)在《生物學(xué)更新(Biometric Update)》發(fā)表了一篇客座文章,證明了定制化處理器有可能會給移動設(shè)備的安全識別功能帶來巨大的變革。那以后,F(xiàn)WDNXT也宣布他們將會開發(fā)使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識別與歸類的低功耗處理器,此外ARM也宣布將會開發(fā)用于機(jī)器學(xué)習(xí)和物體識別的芯片。
聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。
舉報投訴
原文標(biāo)題:淘汰CPU!新神經(jīng)芯片速度增6倍 功耗少94%
文章出處:【微信號:MooreNEWS,微信公眾號:摩爾芯聞】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
相關(guān)推薦
BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域
發(fā)表于 07-10 15:24
?571次閱讀
BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來發(fā)展等多個方面,詳細(xì)闡述BP
發(fā)表于 07-10 15:20
?379次閱讀
RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡(luò),而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時間序列特性的神經(jīng)網(wǎng)絡(luò),能夠處理序列數(shù)據(jù),具有記憶功能。以下是關(guān)于循環(huán)
發(fā)表于 07-05 09:52
?382次閱讀
遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)實(shí)際上是同一個概念,只是不同的翻譯方式
發(fā)表于 07-04 14:54
?446次閱讀
循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是深度學(xué)習(xí)領(lǐng)域中兩種非常重要的神經(jīng)網(wǎng)絡(luò)
發(fā)表于 07-04 14:24
?505次閱讀
在探討深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)與基本神經(jīng)網(wǎng)絡(luò)(通常指傳統(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò))的區(qū)別時,我們需要從多個維度進(jìn)行深入分析。這些維度包括
發(fā)表于 07-04 13:20
?328次閱讀
人工智能神經(jīng)網(wǎng)絡(luò)芯片是一類專門為深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法設(shè)計的處理器。它們具有高性能、低功耗、可擴(kuò)展等特點(diǎn),廣泛應(yīng)用于圖像識別、語音識別、自然語言處理等領(lǐng)域。以下是關(guān)于人工智能
發(fā)表于 07-04 09:33
?335次閱讀
引言 隨著人工智能技術(shù)的快速發(fā)展,深度學(xué)習(xí)算法在圖像識別、自然語言處理、語音識別等領(lǐng)域取得了顯著的成果。然而,深度學(xué)習(xí)算法對計算資源的需求非常高,傳統(tǒng)的計算芯片已經(jīng)無法滿足其需求。因此,神經(jīng)網(wǎng)絡(luò)芯片
發(fā)表于 07-04 09:31
?376次閱讀
神經(jīng)網(wǎng)絡(luò)芯片和普通芯片的區(qū)別是一個復(fù)雜而深入的話題,涉及到計算機(jī)科學(xué)、電子工程、人工智能等多個領(lǐng)域。 定義 神經(jīng)網(wǎng)絡(luò)芯片(Neural Ne
發(fā)表于 07-04 09:30
?516次閱讀
反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network,簡稱BP神經(jīng)網(wǎng)絡(luò))是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置,以達(dá)到最小化誤差的
發(fā)表于 07-03 11:00
?365次閱讀
BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)是一種常見的前饋神經(jīng)網(wǎng)絡(luò),它使用反向傳播算法來訓(xùn)練網(wǎng)絡(luò)。雖然BP神經(jīng)網(wǎng)絡(luò)在某些方面與深度
發(fā)表于 07-03 10:14
?365次閱讀
BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò),它們在
發(fā)表于 07-03 10:12
?518次閱讀
卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)和BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Networks,簡稱BPNN)是兩種
發(fā)表于 07-02 14:24
?1010次閱讀
2023年3月27日,據(jù)傳,新型文生圖算法雖然使得圖像生成無比逼真,但奈何運(yùn)行速度較慢。近期,美國麻省理工學(xué)院聯(lián)合Adobe推出新型DMD方法,僅略微犧牲圖像質(zhì)量就大幅度提高圖像生成效率。
發(fā)表于 03-27 14:17
?386次閱讀
今日(11月2日),2023年度《麻省理工科技評論》“35歲以下科技創(chuàng)新35人”亞太區(qū)入選者名單正式公布。 ?《麻省理工科技評論》(MIT Technology Review)于1899年在美國
發(fā)表于 11-03 08:41
?382次閱讀
評論