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

一顆基于應(yīng)用場景抽象出來的,面向多層神經(jīng)網(wǎng)絡(luò)處理的AI芯片

DPVg_AI_era ? 來源:lp ? 2019-04-08 10:04 ? 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

今年的春晚都用到了大量的AI技術(shù),在春晚的深圳分會場采用了云天勵飛的人臉識別系統(tǒng),實(shí)現(xiàn)刷臉安檢1s過關(guān)。云天勵飛董事長兼CEO陳寧介紹了春晚AI應(yīng)用背后的黑科技:能夠處理200億城市數(shù)據(jù)、具備自學(xué)能力的AI專用芯片。

歷年來,央視的春晚都是潮流的風(fēng)向標(biāo),反應(yīng)了當(dāng)下最流行的趨勢。而2019年春晚的主角,無疑就是人工智能:不僅首次采用AI主持人,幕后也用到了大量的人工智能技術(shù)。

我們都知道,春晚安檢是一項(xiàng)既重要又累人的活兒。往年依賴人工安檢,效率和準(zhǔn)確度很難保證,速度慢且易出錯。今年春晚的深圳分會場,由于采用了云天勵飛的人臉檢測系統(tǒng),來賓可以直接“刷臉”入場,極大的提高了安檢的效率。

5個春晚現(xiàn)場的出入口被部署了15臺人臉識別閘機(jī),以及6臺人證比對一體機(jī),組成了10個通道。同時通過深目系統(tǒng)和攝像頭,對現(xiàn)場人員人像信息進(jìn)行采集、分析、挖掘和“白名單”布控等,為現(xiàn)場演出提供安保服務(wù)。經(jīng)互聯(lián)網(wǎng)注冊、后臺驗(yàn)證授權(quán)成功的演出人員、工作人員等,全程僅需“刷臉”,1s內(nèi)即可驗(yàn)證身份,從而得以快速高效通行進(jìn)入會場。

那么在春晚1s刷臉安檢的背后,到底采用了什么技術(shù)支持?在實(shí)地安裝的時候,又會遇到哪些技術(shù)和現(xiàn)實(shí)的困難?未來會有什么值得期待?這些問題的答案,由云天勵飛董事長兼CEO陳寧在3月27日舉辦的《新智元AI峰會上》一一揭曉。

會上,陳寧介紹了針對平安城市、新零售、社會治理這三個場景,推出的視覺城市大腦系統(tǒng)。據(jù)悉,該系統(tǒng)已在北京、上海、深圳、杭州等全國80多個城市和新加坡等一系列海外的國家進(jìn)行了產(chǎn)業(yè)化落地。

作為一家專注于AI場景解決方案的AI芯片初創(chuàng)企業(yè),云天勵飛提出了場景定義芯片的概念,并基于應(yīng)用場景抽象出了一顆面向多層神經(jīng)網(wǎng)絡(luò)處理的芯片,以實(shí)現(xiàn)對海量數(shù)據(jù)的高效處理,以及低功耗、高性價比、算法不斷演進(jìn)等訴求。

隨著AI芯片開始產(chǎn)業(yè)化、商業(yè)化的落地應(yīng)用,背后的信息安全就顯得尤為重要。陳寧提到,深圳的視覺城市大腦系統(tǒng)與警民app相連,可以在不到2秒的時間內(nèi)檢索任何一名犯罪嫌疑人,該系統(tǒng)協(xié)助公安破獲了一萬多起各類案例,包括我們開頭提到的拐帶小孩案件。同時他還提到,公司正在從技術(shù)層面配合國家相關(guān)部門,推進(jìn)人工智能立法的調(diào)研。

除了AI芯片,陳寧說云天勵飛面向AIoT打造了一套AIOS生態(tài)平臺,將算法、芯片、數(shù)據(jù)三者相結(jié)合,希望在安全性、便利性和愉悅性三個層面逐步改善人類的生活。

以下是陳寧《芯聯(lián)萬物,智創(chuàng)未來》的演講實(shí)錄

AI落地應(yīng)用最大的難點(diǎn)是如何處理多場景海量數(shù)據(jù)

陳寧(云天勵飛董事長兼CEO):過去的五十年,自從個人電腦發(fā)明之后,人類數(shù)字化生活進(jìn)入了一個爆發(fā)期,尤其是過去的三十年互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的時代,通過智能手機(jī)觸摸屏的相應(yīng)技術(shù),由人類適配機(jī)器,通過鍵盤鼠標(biāo)進(jìn)入觸摸屏,再進(jìn)入AIoT的時代,通過視覺和語音的識別大大地降低了人和機(jī)器進(jìn)行交互的門檻,也使更多的人類能夠利用這些機(jī)器和人工智能的技術(shù)。

隨之而來的是AI為IoT的時代進(jìn)行智能化的賦能,隨著應(yīng)用場景的拓展,IoT又為人工智能提供了海量的場景數(shù)據(jù),就像人工智能的營養(yǎng)去推動人工智能的算法不斷進(jìn)步,逐步進(jìn)入一個通用人工智能的時代。

這樣一個有機(jī)的迭代代表著AIoT時代的啟動,而在AIoT時代提供了靈活性數(shù)據(jù)安全和高性能多方面的一系列訴求,這些海量數(shù)據(jù)和多場景應(yīng)用的訴求,為人工智能的芯片提出了一系列挑戰(zhàn)。

針對這樣面向多場景海量數(shù)據(jù)的處理,云天勵飛也在AI芯片領(lǐng)域作出了一系列探索,提出場景定義AI芯片這樣的一個概念。我們認(rèn)為,AIoT時代將會面向各類場景擁有一系列的專用定制AI芯片的機(jī)會。

過去四年多的時間當(dāng)中,云天勵飛尤其是視覺城市大腦領(lǐng)域做了一系列積極的產(chǎn)業(yè)化落地探索,我們的視覺大腦主要是在平安城市、新零售、社會治理這三個領(lǐng)域,目前在北京、上海、深圳、杭州等全國80多個城市和新加坡等一系列海外的國家都有產(chǎn)業(yè)化的落地。

面向多層神經(jīng)網(wǎng)絡(luò)處理的AI芯片,處理200億城市動態(tài)影像

目前系統(tǒng)在線處理的實(shí)現(xiàn)了前端裝載著我們的算法或者芯片3萬多路,已經(jīng)在系統(tǒng)內(nèi)處理了超過200多億的城市級動態(tài)影像的數(shù)據(jù),這樣一系列的場景涵蓋了機(jī)場、地鐵、社區(qū)和大型商超、火車站等等各種各樣的智慧城市的生活場景,也服務(wù)了一系列的重要會議和重要工程。

通過在這些具體的應(yīng)用場景當(dāng)中,比如人臉識別、人像識別、海量數(shù)據(jù)分析等等一系列的應(yīng)用和系統(tǒng)的理解,我們基于應(yīng)用場景抽象出了一顆面向多層神經(jīng)網(wǎng)絡(luò)處理的芯片。

這顆芯片擁有抽象處理160多條指令,主要是面向多層神經(jīng)網(wǎng)絡(luò)的高效可編程抽象出來的自主可控指令集,解決在人工智能芯片應(yīng)用領(lǐng)域?qū)A繑?shù)據(jù)的高效處理、對低功耗、高性價比、算法不斷演進(jìn)靈活性等等一系列訴求。

這顆處理器的指令集設(shè)計采用SIMD、VLIW以及多線程等等一系列高效率的指令集架構(gòu)設(shè)計的手段,并且為了平衡,海量數(shù)據(jù)的處理過程當(dāng)中、數(shù)據(jù)傳輸和運(yùn)算單元之間的平衡也采用進(jìn)存儲計算等一系列較新的架構(gòu)。

基于這樣一顆神經(jīng)網(wǎng)絡(luò)的可編程處理器,我們進(jìn)一步融合CPU和加速單元等等異構(gòu)架構(gòu),設(shè)計一系列面向視覺應(yīng)用基于異構(gòu)架構(gòu)和核心的神經(jīng)網(wǎng)絡(luò)處理器SOC的芯片。

這樣的一系列SOC芯片提供的是面向多應(yīng)用場景的高度靈活性,比如支持多種數(shù)據(jù)類型、浮點(diǎn)定點(diǎn)等等多種位寬的數(shù)據(jù)操作類型,并且兼容目前主流深度學(xué)習(xí)的框架,支持多套AI算法的應(yīng)用。

靈活性的基礎(chǔ)上同時又不失高效率,面向神經(jīng)網(wǎng)絡(luò)的各類運(yùn)算提供了GPU兩個數(shù)量級以上的更高性價比,同時面向人工智能算法不斷的迭代和演進(jìn),也提供了在云端可以一鍵快速升級終端芯片上的算法,因?yàn)槭且粋€可編程,通過軟件迭代的方式快速實(shí)現(xiàn)軟件算法的部署和升級。

第二代芯片也是第一代SOC處理器芯片,因?yàn)榈谝淮窃?016年基于FPGA的芯片,DeepEye1000第一代SOC芯片也在2018年8月16號在新加坡投入生產(chǎn),就是22納米FD-SOI工藝的SOC異構(gòu)架構(gòu)視覺處理芯片,目前這顆芯片也在十多個AIoT應(yīng)用場景和城市大腦項(xiàng)目當(dāng)中進(jìn)行商業(yè)化的落地和應(yīng)用。

我們知道這樣的一系列AI芯片的背后其實(shí)信息安全就更加重要,因?yàn)樵瓉砩⒙湓诔鞘械母鱾€角落海量的視頻監(jiān)控數(shù)據(jù),因?yàn)槿狈I的技術(shù)手段,所以這些數(shù)據(jù)當(dāng)中有用的價值很難被挖掘出來,但是由于現(xiàn)在我們賦予其AI算法、芯片和數(shù)據(jù)分析的能力,可以在我們的指間方寸秒級獲取必要有用的信息。

我們在深圳上線了一套視覺城市大腦系統(tǒng),2017年開始深圳的兩萬民警在警民終端的APP上面可以在秒級時間對城市級的視頻監(jiān)控數(shù)據(jù)進(jìn)行分析,大概不到兩秒的時間通過這款A(yù)PP可以檢索任何一名犯罪嫌疑人,當(dāng)然有嚴(yán)格的權(quán)限管理,深圳的機(jī)場到地鐵,南山福田跨區(qū)域過去半年的活動軌跡,這套系統(tǒng)也協(xié)助公安破獲了一萬多起各類案例。

AI芯片數(shù)據(jù)安全正在向自演進(jìn)、自學(xué)習(xí)的目標(biāo)發(fā)展

這是視覺城市大腦在平安城市應(yīng)用的案例,但是隨著顛覆性實(shí)戰(zhàn)效果的背后,當(dāng)然對信息安全、個人隱私也提出了一系列的挑戰(zhàn)。除了一系列SOC芯片在終端應(yīng)用和云端,芯片數(shù)據(jù)管理技術(shù)的角度提出了一系列的挑戰(zhàn)之外,制度法律法規(guī)層面我們也在配合國家相關(guān)部門推進(jìn)一些人工智能立法的調(diào)研。

基于芯片數(shù)據(jù)安全,我們知道人工智能其實(shí)還是處于一個非常早期的階段,正在從一個弱人工智能時代向一個自演進(jìn)、自學(xué)習(xí)的目標(biāo)進(jìn)行演進(jìn)。

基于這樣一個芯片的硬件平臺,我們打造了AIOS。這是能夠從數(shù)據(jù)的采集、標(biāo)注、訓(xùn)練到算法的升級,能夠?qū)崿F(xiàn)芯片、算法、數(shù)據(jù)有機(jī)的迭代,推動面向應(yīng)用場景的算法不斷進(jìn)行自演進(jìn),甚至在終端芯片上進(jìn)行分布式的自訓(xùn)練。

結(jié)合異構(gòu)架構(gòu)的底層芯片和AIOS操作系統(tǒng)打造這樣一個面向AIoT的芯片+算法訓(xùn)練平臺的生態(tài),再結(jié)合我們在大數(shù)據(jù)領(lǐng)域城市大腦應(yīng)用的數(shù)據(jù)分析領(lǐng)域,將算法、芯片、數(shù)據(jù)三者相結(jié)合,推動再向無人駕駛機(jī)器人、安防、智能制造等等一系列領(lǐng)域逐步打造這樣一個AIoT的生態(tài),推動人工智能逐步成熟、逐步產(chǎn)業(yè)化落地,安全、便利和愉悅?cè)齻€層面逐步改善人類的生活。

這些就是今天我?guī)Ыo大家的分享,謝謝!

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
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4819

    瀏覽量

    106068
  • 人臉識別
    +關(guān)注

    關(guān)注

    77

    文章

    4104

    瀏覽量

    86970
  • AI芯片
    +關(guān)注

    關(guān)注

    17

    文章

    2031

    瀏覽量

    36379

原文標(biāo)題:能處理200多億城市數(shù)據(jù),這款A(yù)I芯片具備自主學(xué)習(xí)能力

文章出處:【微信號:AI_era,微信公眾號:新智元】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

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(diǎn)推薦

    【「AI芯片:科技探索與AGI愿景」閱讀體驗(yàn)】+神經(jīng)形態(tài)計算、類腦芯片

    AI芯片不僅包括深度學(xué)細(xì)AI加速器,還有另外個主要列別:類腦芯片。類腦芯片是模擬人腦
    發(fā)表于 09-17 16:43

    BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計原則

    BP(back propagation)神經(jīng)網(wǎng)絡(luò)種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò),其網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計原則主要基于以下幾個方面:
    的頭像 發(fā)表于 02-12 16:41 ?1047次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個方面存在顯著差異,以下是對兩者的比較: 、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:53 ?1038次閱讀

    什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

    神經(jīng)網(wǎng)絡(luò)(即反向傳播神經(jīng)網(wǎng)絡(luò))的核心,它建立在梯度下降法的基礎(chǔ)上,是種適合于多層神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)算法。該算法通過計算每層
    的頭像 發(fā)表于 02-12 15:18 ?1076次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    ),是多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)由輸入層、個或多個隱藏層和輸出層組成,通過逐層遞減的方式調(diào)整
    的頭像 發(fā)表于 02-12 15:15 ?1180次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的基本原理

    輸入層、隱藏層和輸出層組成。其中,輸入層負(fù)責(zé)接收外部輸入數(shù)據(jù),這些數(shù)據(jù)隨后被傳遞到隱藏層。隱藏層是BP神經(jīng)網(wǎng)絡(luò)的核心部分,它可以通過層或多層神經(jīng)元對輸入數(shù)據(jù)進(jìn)行加權(quán)求和,并通過非線性
    的頭像 發(fā)表于 02-12 15:13 ?1302次閱讀

    BP神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用

    BP神經(jīng)網(wǎng)絡(luò)在圖像識別中發(fā)揮著重要作用,其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達(dá),適用于處理非線性問題。以下是對BP神經(jīng)網(wǎng)絡(luò)在圖像識別中應(yīng)
    的頭像 發(fā)表于 02-12 15:12 ?987次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上篇文章中,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識和多種算法。在本文中,我們會介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡(luò) ? 人工
    的頭像 發(fā)表于 01-09 10:24 ?1784次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    神經(jīng)網(wǎng)絡(luò),也稱為全連接神經(jīng)網(wǎng)絡(luò)(Fully Connected Neural Networks,F(xiàn)CNs),其特點(diǎn)是每層的每個神經(jīng)元都與下
    的頭像 發(fā)表于 11-15 14:53 ?2249次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)領(lǐng)域中的種強(qiáng)大工具,它們能夠模擬人腦處理信息的方式。隨著技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)的類型也在不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN
    的頭像 發(fā)表于 11-15 09:42 ?1797次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)準(zhǔn)備方法

    、數(shù)據(jù)收集與清洗 數(shù)據(jù)收集 : 根據(jù)LSTM神經(jīng)網(wǎng)絡(luò)的應(yīng)用場景(如時間序列預(yù)測、自然語言處理等),收集相關(guān)的時間序列數(shù)據(jù)或文本數(shù)據(jù)。 數(shù)據(jù)可以來自數(shù)據(jù)庫、日志文件、傳感器讀數(shù)、用
    的頭像 發(fā)表于 11-13 10:08 ?2618次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機(jī)制

    LSTM(Long Short-Term Memory,長短期記憶)神經(jīng)網(wǎng)絡(luò)種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),設(shè)計用于解決長期依賴問題,特別是在處理時間序列數(shù)據(jù)時表現(xiàn)出色。以下是LS
    的頭像 發(fā)表于 11-13 10:05 ?1983次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)RNN的區(qū)別

    在深度學(xué)習(xí)領(lǐng)域,循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)因其能夠處理序列數(shù)據(jù)而受到廣泛關(guān)注。然而,傳統(tǒng)RNN在處理長序列時存在梯度消失或梯度爆炸的問題。為了解決這問題,LSTM(長短期記憶)
    的頭像 發(fā)表于 11-13 09:58 ?1519次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的基本原理 如何實(shí)現(xiàn)LSTM神經(jīng)網(wǎng)絡(luò)

    LSTM(長短期記憶)神經(jīng)網(wǎng)絡(luò)種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長期依賴信息。在處理序列數(shù)據(jù)時,如時間序列分析、自然語言處理等,
    的頭像 發(fā)表于 11-13 09:53 ?2243次閱讀

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    隨著人工智能(AI)技術(shù)的快速發(fā)展,AI可以越來越多地支持以前無法實(shí)現(xiàn)或者難以實(shí)現(xiàn)的應(yīng)用。本文基于此解釋了 卷積神經(jīng)網(wǎng)絡(luò) (CNN)及其對人工智能和機(jī)器學(xué)習(xí)的意義。CNN是種能夠從
    發(fā)表于 10-24 13:56