• 网站首页
  • 互联网
  • 建筑业
  • 零售
  • 德甲体育
  • 单机游戏
  • 丹尼斯劳迪克回应:Arm有许多不同类型的处理器技术【k8娱乐网注册登录】

    发布时间: 2020-12-01 11:56首页:主页 > 互联网 > 阅读()
    本文摘要:丹尼斯劳迪克(DennisLaudick)解释说,2019年第一季度即将发布的ArmML处理器,定位为与现有的CortexCPU一样的系列产品,根据市场需求,其性能范围不会是1-4TOP/s。人们所认为的是,丹尼斯劳迪克(DennisLaudick)指出,不同类型的AI处理器仅限于早期的AI市场,机器学习领域的市场最终可能是CPU占80%,NPU占20%。

    软件

    所有的数据类型和模型,而不是优化,都不会造成处理器面积大、功耗大的问题,必须等技术稳定下来。所以对于想让机器学习技术更容易理解的Arm来说,有两种方法,一种是对现有处理器进行大幅度的改进,另一种是出售新的神经处理单元(NPU)。在技术过于稳定的同时,我们看到Arm不断改进Cortex CPU和Mali GPU,根据软件搭建AI功能。

    对于Arm发布NPU的那段时间,丹尼斯劳迪克回应道:“最近我们已经看到,机器学习技术稳定成熟,市场需求大幅减少。我们指出,现在是进入市场的最佳时机。

    ”可以指出的是,基于Arm在处理器IP市场和整个生态链中的关键地位,后期发布ML处理器并不是什么大问题,而吸引人们关注的是Arm的ML处理器是什么。Arm将在明年第一季度发布AI处理器。

    丹尼斯劳迪克(Dennis Laudick)解释说,2019年第一季度即将发布的Arm ML处理器,定位为与现有的Cortex CPU一样的系列产品,根据市场需求,其性能范围不会是1-4 TOP/s。给定不同的CPU,满足手表、手机、智能家居、汽车等市场需求。Arm ML处理器主要有三个部分,一个是MAC引擎,主要继续执行卷积计算;二是可编程引擎,可以对抗未来新的运营商和网络;三是数据管理,增加了AI计算的功耗。特别是他认为Arm在ML处理器的数据管理方面做了大量的设计和思考,因为AI数据迁移比数据计算消耗的功率更大。

    他们分析,AI处理器中卷积运算所需的能量比不高,但数据管理和迁移可能是运算所需功耗的百倍。所以他们通过分析技术降低功耗,一个是数据传输,可以增加数据的迁移,一个是自由选择神经网络单位权重的转录或非转录,一个是数据过滤,使用类似的方法减少不必要的处理。

    他们希望通过对不同场景的深入分析,尽可能高效和重复地使用数据,以增加数据迁移和降低功耗。当然,即使是经验丰富的Arm,在意识到AI处理器最重要的是数据管理的时候,也走过了一些弯路。

    丹尼斯劳迪克回应道:“Arm有许多不同类型的处理器技术。当我们第一次看到机器学习时,我们想到是否可以从其中一个处理器开始。所以我们开始使用GPU方法,但是最后发现机器学习处理器面对的不是处置问题,而是数据问题,于是我们停止了早期的GPU方法,创建了新的处理器。

    专注于机器学习中的数据和数据类型,可以继续执行分段指令。”丹尼斯劳迪克也认为,无论CPU、GPU、FPGA还是ASIC,都可以操作机器学习算法。不同的是,比如构建一定程度的人脸级别功能,GPU需要的时间比CPU多,而NPU需要构建最慢的速度和较低的功耗。

    人们所认为的是,丹尼斯劳迪克(Dennis Laudick)指出,不同类型的AI处理器仅限于早期的AI市场,机器学习领域的市场最终可能是CPU占80%,NPU占20%。他指出CPU在不断改进,市场上比较常见的NPU也经常出现。

    最后,GPU和FPGA不会消失,留给最标准化的CPU和最专用的NPU。但是,在丹尼斯劳迪克(Dennis Laudick)身上,软件显然是AI处理器更关键的部分。他回应道:“Arm的AI处理器是一个异构系统,包括CPU、GPU、NPU等。

    处理器

    但是作为IP核心,构建一个更好的可配置软件系统是非常重要的。所以在硬件上面有我们专门优化的Compute Library,不会完全优化底层硬件和驱动,根据运营商不同的市场需求驱动硬件,效率可以提高几倍到十倍。下一层是Arm nn,它可以将TensorFlow、Caffe等神经网络框架转化为Compute Library可以继续执行的任务,这样开发人员就不用关心底层硬件,只需要用它来进行标准架构开发。至于Arm nn和Compute Library如何根据市场需求构建智能决策,充分发挥异构系统的优势,丹尼斯劳迪克回应说,Arm本质上是利用了众多专家的分析,通过跨团队的专家团队来分析应用和软件,试图找到瓶颈和余量,最终确保软件得到优化。

    为了优化Arm nn和Compute Library,Arm还希望硬件架构师和软件分析团队紧密合作。还可以看到,除了ML处理器和NN SDK,Arm Project Trillium还有OD(物体检测)处理器。Arm指出手机、相机、汽车等。是机器学习中对象检测的头号应用,所以对象检测的市场足够大,一件事就是要有一个额外的处理器,特别是对于对象识别。

    AI处理器胜出。软件和数据更关键?必须考虑到NPU是目前继续执行机器学习任务效率最低的处理器。但是对于价格相对脆弱的产品,NPU的成本是难以承受的。

    它只享受CPU,CPU处理机器学习就够了。因此,在物联网和AI领域,基于RISC-V指令集的CPU也备受关注。也有人指出,未来在物联网智能终端上,RISC-V处理器不会成为Arm的竞争对手。对此,丹尼斯劳迪克回应道:“基于RISC-V指令集的处理器是CPU,并不真正与我们的NPU竞争。

    丹尼斯劳

    在CPU方面,我们已经推出了两三代的机器学习改进,比如反对向量展开。RISC-V也开始实施其中一些改进,但我们已经做了这些事情。

    ”他进一步认为,在机器学习方面,很多芯片公司专注于硬件,与他们不同。为了让大家得到更好的机器学习,我们最重要的是保证软件生态系统有一个完全一致的平台。因为程序开发人员创建一个应用程序,期望它需要在更好的设备上运行,通过获得一个标准化和稳定的软件平台,我们需要确保我们扩展了CPU来提高机器学习能力。当我们为市场推出新的硬件功能时,软件社区将不会很有创新性。

    软件生态系统是Arm成功的关键。Arm卖更好的处理器是因为软件生态系统的市场需求,这也是Arm在过去20年所做的。众所周知,为了构建更好的软件生态系统,Arm不会自由选择与工程师和软件公司合作。

    其中还和安卓生态系统的大公司合作过,中国生态系统的大公司花的时间比较多。因此,丹尼斯劳迪克指出,近两年的AI热潮不会给软件行业带来革命性的变化,因为传统软件在概率判别和评估猜测方面有一定的局限性,AI在概率判别和猜测准确性方面有自己的特点,AI也会带来软件2.0时代。

    对于很多人关心的AI芯片市场最后谁会赢的问题,丹尼斯劳迪克指出:“AI还处于早期阶段,现在说谁能输还为时过早。但是世界各地的大公司都在AI上投入了大量的资金,但是差别很大。

    中国公司更容易获得数据,并且可以更好地使用它。所以我指出,在机器学习方面,中国公司在数据方面更有优势,但还是不告诉它会如何运作。”总结丹尼斯作为一个在移动、汽车、消费电子领域有着20多年经验的老手,对AI的发展有着自己细致的观察,他对Arm的AI处理器的了解也让我们对明年第一季度即将公布的Arm ML处理器有了进一步的了解。当算法和模型过于稳定的时候,Arm和高通作为收购处理器IP和标准化处理器的公司,是不会对出售NPU生气的。

    相反,通过优化硬件和软件来提高AI性能是一个明智而自由的选择。但和华为、苹果等只使用手机处理器自用的公司有很大不同。在整个采访过程中,丹尼斯反复提到软件的重要性,这可能是对一些AI芯片公司的警示,但现在更多的IC设计公司已经意识到在AI时代与软件团队合作的重要性。

    那么,除了硬件和软件,数据会如何影响AI芯片市场的竞争呢?相关文章:ARM发布未来三年CPU路线图,意在正面干掉挤牙膏的英特尔,并瞥了一眼Arm的AI处理器的原创文章,被封禁发表。以下是发布通知。


    本文关键词:丹尼斯劳,k8娱乐网注册登录,处理器,的是,指出,机器学习

    本文来源:k8娱乐-www.yaboyule102.icu

    特别声明:文章内容仅供参考,不造成任何投资建议。投资者据此操作,风险自担。

    网站首页 - 互联网 - 建筑业 - 零售 - 德甲体育 - 单机游戏

    本站不良内容举报联系客服QQ:766249531 官方微信:CKDeZ766249531 服务热线:CKDeZ766249531

    未经本站书面特别授权,请勿转载或建立镜像

    Copyright © 2008-2020 www.yaboyule102.icu. k8娱乐网注册登录科技 版权所有 网站地图 xml地图