博士生團(tuán)隊(duì)提升Apple Silicon芯片神經(jīng)網(wǎng)絡(luò)性能
據(jù)報(bào)導(dǎo)，博士生的研究團(tuán)隊(duì)近期推出了名為“mlx-graphs”的項(xiàng)目，致力于提升Apple Silicon芯片上神經(jīng)網(wǎng)絡(luò)的處理速率。使用該項(xiàng)目，大型數(shù)據(jù)集的訓(xùn)練速度將提升至原來(lái)的十倍之多。
據(jù)悉，該項(xiàng)目主要由博士生特里斯坦·比洛特（Tristan Bilot）、弗朗切斯科·法里納（Francesco Farina）以及MLX團(tuán)隊(duì)聯(lián)手推動(dòng)。MLX是專門面向Apple Silicon發(fā)行的圖形神經(jīng)網(wǎng)絡(luò)庫(kù)。
比洛特指出，實(shí)施“mlx-graphs”后，Apple Silicon芯片對(duì)規(guī)模龐大的圖形數(shù)據(jù)集進(jìn)行訓(xùn)練的初始基準(zhǔn)速度將高達(dá)PyTorch Geometric和DGL等框架的十倍之高。
他強(qiáng)調(diào)，盡管項(xiàng)目尚存提升空間，但這將有助于充分發(fā)揮Apple Silicon芯片的潛力。相關(guān)的開(kāi)發(fā)庫(kù)已經(jīng)上傳到GitHub上，供公眾評(píng)審與試用，同時(shí)渴望收到使用者的反饋及PR建議。
聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)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(chǎng)。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(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
芯片
+關(guān)注
關(guān)注
463文章
54004瀏覽量
465829 -
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4838瀏覽量
107732 -
數(shù)據(jù)集
+關(guān)注
關(guān)注
4文章
1236瀏覽量
26186
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)
日常生活中的智能應(yīng)用都離不開(kāi)深度學(xué)習(xí)，而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu)，特別是大腦中神經(jīng)
億緯鋰能受邀出席北大國(guó)際博士生學(xué)術(shù)論壇
10月26日，北京大學(xué)“博雅材思”國(guó)際博士生學(xué)術(shù)論壇在燕園舉行，億緯鋰能人力資源中心總監(jiān)張清剛博士受邀出席，并發(fā)表《億緯鋰能材料學(xué)人才職業(yè)發(fā)展》專題報(bào)告。
NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹
NMSIS NN 軟件庫(kù)是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。
該庫(kù)分為多個(gè)功能，每個(gè)功能涵蓋特定類別
發(fā)表于 10-29 06:08
構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的一般化建議
：Dropout層隨機(jī)跳過(guò)神經(jīng)網(wǎng)絡(luò)模型中某些神經(jīng)元之間的連接，通過(guò)隨機(jī)制造缺陷進(jìn)行訓(xùn)練提升整個(gè)神經(jīng)網(wǎng)絡(luò)的魯棒性。
6)指定合理的學(xué)習(xí)率策略：一旦
發(fā)表于 10-28 08:02
在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)
本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開(kāi)發(fā)IDE，以TensorFlow2為訓(xùn)練框架，目標(biāo)是訓(xùn)練一個(gè)手寫(xiě)數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
發(fā)表于 10-22 07:03
CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作
在完成神經(jīng)網(wǎng)絡(luò)量化后，需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。
在仿真環(huán)境下，可將其存于一個(gè)文件，并在 Verilog 代碼中通過(guò) readmemh 函數(shù)
發(fā)表于 10-20 08:00
液態(tài)神經(jīng)網(wǎng)絡(luò)（LNN）：時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)
1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)（LiquidNeuralNetworks，LNN）是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu)，其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng)，特別是秀麗隱桿線蟲(chóng)的神經(jīng)結(jié)構(gòu)，盡管這種微生物的
【「AI芯片：科技探索與AGI愿景」閱讀體驗(yàn)】+神經(jīng)形態(tài)計(jì)算、類腦芯片
是 AI芯片發(fā)展的重要方向。如果利用超導(dǎo)約瑟夫森結(jié)(JJ)來(lái)模擬與實(shí)時(shí)突觸電路相連的神經(jīng)元,神經(jīng)網(wǎng)絡(luò)運(yùn)行的速度要比目前的數(shù)字或模擬技術(shù)提升幾個(gè)數(shù)量級(jí)。
1、超低溫類腦
發(fā)表于 09-17 16:43
神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)
問(wèn)題。因此，并行計(jì)算與加速技術(shù)在神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用中變得至關(guān)重要，它們能夠顯著提升神經(jīng)網(wǎng)絡(luò)的性能和效率，滿足實(shí)際應(yīng)用中對(duì)快速響應(yīng)和大規(guī)模數(shù)據(jù)處理的需求。
基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案
在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真（DPD）模型中，使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響？
無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究
摘要:論文通過(guò)對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
發(fā)表于 06-25 13:06
神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用
摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問(wèn)題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
發(fā)表于 06-16 22:09
神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究
眾多方法中，由于其結(jié)構(gòu)簡(jiǎn)單，穩(wěn)定性好廣泛受到人們的重視，且已被用于產(chǎn)品開(kāi)發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問(wèn)題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，使估計(jì)更為簡(jiǎn)單、快速
發(fā)表于 06-16 21:54
基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析
本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過(guò)python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出，然后通過(guò)python程序?qū)xt文件轉(zhuǎn)化為coe文件，（coe
神經(jīng)網(wǎng)絡(luò)壓縮框架 （NNCF） 中的過(guò)濾器修剪統(tǒng)計(jì)數(shù)據(jù)怎么查看？
無(wú)法觀察神經(jīng)網(wǎng)絡(luò)壓縮框架 （NNCF） 中的過(guò)濾器修剪統(tǒng)計(jì)數(shù)據(jù)
發(fā)表于 03-06 07:10
工商網(wǎng)監(jiān)
評(píng)論