chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一文了解二值神經(jīng)網(wǎng)絡(luò)性能提升1000倍是真是假

Hx ? 作者:工程師陳翠 ? 2018-07-08 04:03 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

在很多大型計算數(shù)據(jù)中心需要完成超大規(guī)模的數(shù)據(jù)處理,這意味著需要大量的計算,因此對于系統(tǒng)性能的要求則不斷提升,最開始我們不斷提升處理器的運行頻率、增加處理器核心數(shù)量、采用更多的進(jìn)程服務(wù),但是這些方法會帶來一些其他的問題,比如功耗的增加需要配備更大成本更高的電源、散熱量顯著增加則需要設(shè)置更大更好的散熱片或者風(fēng)扇,這些問題無疑增加了成本。因此最好的方式就是采用FPGA實現(xiàn)硬件加速,然而很多軟件工程師對于硬件開發(fā)語言VHDL/Verilog不熟悉無法實現(xiàn)開發(fā)流程上的銜接,因此Xilinx推出了全新的SDSoC開發(fā)環(huán)境,軟件工程使用C/C++語言就可以實現(xiàn)FPGA的硬件加速。

一文了解二值神經(jīng)網(wǎng)絡(luò)性能提升1000倍是真是假

圖1:Xilinx SDSoC從軟件到硬件的開發(fā)流程

SDSoC提供給用戶的是一個可以用來完成整個Zynq SoC和MPSoC開發(fā)的基于Eclipse的軟件環(huán)境,這個環(huán)境對那些已經(jīng)在使用DSP芯片、視頻SoC 和CPU處理器的嵌入式開發(fā)人員來說是在熟悉不過的。SDSoC的核心技術(shù)則是界首創(chuàng)的全系統(tǒng)優(yōu)化編譯器,這個編譯器,不僅可以針對基于ARM的處理器系統(tǒng),也可以針對片內(nèi)的可編程邏輯。SDSoC開發(fā)環(huán)境旨在為系統(tǒng)架構(gòu)師以及軟件開發(fā)團(tuán)隊提供一個可以使用C / C ++來快速配置,并同步生成構(gòu)建系統(tǒng)所需的各類軟硬件架構(gòu)的可能。軟硬件統(tǒng)一的編譯器,可以從系統(tǒng)視角出發(fā),帶來最佳的系統(tǒng)構(gòu)建與連接,優(yōu)化的存儲器接口和軟件驅(qū)動等。如下圖所示是采用SDSoC實現(xiàn)的不同實例的性能提升效果:

一文了解二值神經(jīng)網(wǎng)絡(luò)性能提升1000倍是真是假

不同實例帶來的性能提升:

雙目(攝像頭)圖像采集與3D顯示——292倍

視頻的Sobel濾波處理——30倍

二值神經(jīng)網(wǎng)絡(luò)——1000倍

對于再好的CPU處理器或者更多核心的處理器也很難帶來性能上1000倍的提升,即使30倍也是一大瓶頸,因此無論我們怎樣絞盡腦汁優(yōu)化C/C++代碼在傳統(tǒng)處理器上性能提升的效果也是非常有限的,所以采用“Xilinx SDSoC + All Programmable SoC + C/C++”才是最佳的解決方案。

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
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    人工神經(jīng)網(wǎng)絡(luò)原理及下載

    這個網(wǎng)絡(luò)輸入和相應(yīng)的輸出來“訓(xùn)練”這個網(wǎng)絡(luò),網(wǎng)絡(luò)根據(jù)輸入和輸出不斷地調(diào)節(jié)自己的各節(jié)點之間的權(quán)來滿足輸入和輸出。這樣,當(dāng)訓(xùn)練結(jié)束后,我們給定
    發(fā)表于 06-19 14:40

    【PYNQ-Z2試用體驗】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識

    思考問題的過程。人腦輸入個問題,進(jìn)行思考,然后給出答案。神經(jīng)網(wǎng)絡(luò)就是在模擬人的思考這過程。而我們要做的就是以數(shù)學(xué)的方式,將這抽象的過程進(jìn)行量化。
    發(fā)表于 03-03 22:10

    【案例分享】ART神經(jīng)網(wǎng)絡(luò)與SOM神經(jīng)網(wǎng)絡(luò)

    神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)新知識的同時要保持對之前學(xué)習(xí)的知識的記憶,而不是狗熊掰棒子SOM神經(jīng)網(wǎng)絡(luò)種競爭學(xué)習(xí)型的無監(jiān)督神經(jīng)網(wǎng)絡(luò),它能將高維輸入數(shù)據(jù)映射到低維空間(通常為
    發(fā)表于 07-21 04:30

    CMSIS-NN神經(jīng)網(wǎng)絡(luò)內(nèi)核助力微控制器效率提升

    自然會想到Arm Cortex-M系列處理器內(nèi)核,那么如果您想要強化它的性能并且減少內(nèi)存消耗,CMSIS-NN就是您最好的選擇。基于CMSIS-NN內(nèi)核的神經(jīng)網(wǎng)絡(luò)推理運算,對于運行時間/吞吐量將會有4.6X的提升,而對于能效將有
    發(fā)表于 07-23 08:08

    人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)方法有哪些?

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)是種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu),它的提出是為了解些非線性
    發(fā)表于 08-01 08:06

    BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)數(shù)學(xué)知識分享

    看懂BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)數(shù)學(xué)知識
    發(fā)表于 06-16 07:14

    CMSIS-NN神經(jīng)網(wǎng)絡(luò)內(nèi)核可以讓微控制器效率提升5是真的嗎?

    全新CMSIS-NN神經(jīng)網(wǎng)絡(luò)內(nèi)核讓微控制器效率提升5
    發(fā)表于 03-15 06:55

    基于FPGA的神經(jīng)網(wǎng)絡(luò)性能評估及局限性

    FPGA實現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)性能評估及局限性
    發(fā)表于 04-30 06:58

    如何構(gòu)建神經(jīng)網(wǎng)絡(luò)?

    原文鏈接:http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)包括:輸入層:根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層:使用反
    發(fā)表于 07-12 08:02

    基于BP神經(jīng)網(wǎng)絡(luò)的PID控制

    最近在學(xué)習(xí)電機的智能控制,上周學(xué)習(xí)了基于單神經(jīng)元的PID控制,這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力,可以通過對系統(tǒng)性能的學(xué)習(xí)來實現(xiàn)具有最佳組合的PID控
    發(fā)表于 09-07 07:43

    神經(jīng)網(wǎng)絡(luò)移植到STM32的方法

    問題,個是神經(jīng)網(wǎng)絡(luò)的移植,另個是STM32的計算速度。神經(jīng)網(wǎng)絡(luò)的移植網(wǎng)絡(luò)采用的是最簡單的BP神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 01-11 06:20

    卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用

    神經(jīng)網(wǎng)絡(luò)已經(jīng)廣泛應(yīng)用于圖像分類、目標(biāo)檢測、語義分割以及自然語言處理等領(lǐng)域。首先分析了典型卷積神經(jīng)網(wǎng)絡(luò)模型為提高其性能增加網(wǎng)絡(luò)深度以及寬度的模型結(jié)構(gòu),分析了采用注意力機制進(jìn)
    發(fā)表于 08-02 10:39

    如何進(jìn)行高效的時序圖神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

    引入了圖采樣,以進(jìn)步加速神經(jīng)網(wǎng)絡(luò)的訓(xùn)練并減少通信開銷?;谏鲜鐾ㄐ趴s減策略,本文提出了時序圖神經(jīng)網(wǎng)絡(luò)系統(tǒng)T-GCN。實驗結(jié)果表明,T-GCN實現(xiàn)了最高7.9的整體
    發(fā)表于 09-28 10:37

    帶你了解神經(jīng)網(wǎng)絡(luò))DNN、CNN、和RNN

    的把它們給區(qū)分出來!什么是神經(jīng)網(wǎng)絡(luò)?DNN(深度神經(jīng)網(wǎng)絡(luò))、CNN(卷積神經(jīng)網(wǎng)絡(luò))、RNN(遞歸神經(jīng)網(wǎng)絡(luò))都屬于第三代神經(jīng)網(wǎng)絡(luò),在認(rèn)識它們之
    發(fā)表于 03-13 14:32 ?5343次閱讀

    帶你了解神經(jīng)網(wǎng)絡(luò)控制器

    神經(jīng)網(wǎng)絡(luò)控制器的核心是神經(jīng)網(wǎng)絡(luò)模型,它類似于人類神經(jīng)系統(tǒng),由多個神經(jīng)元組成。每個神經(jīng)元可以接收來自其他
    發(fā)表于 03-19 15:21 ?1760次閱讀