Artificial Intelligence Hardware Design: Challenges and Solutions
Ismerje meg a neurális feldolgozóegységek tervezésének alapvető és haladó témáit valós példákkal a terület vezető szakembereitől
A Mesterséges intelligencia hardvertervezés: Dr. Albert Liu és Oscar Ming Kin Law neves kutatók és szerzők szigorú és gyakorlatias tárgyalást nyújtanak a neurális hálózatok feldolgozásának felgyorsítására szolgáló konkrét áramkörök és rendszerek tervezési alkalmazásairól. A könyv a neurális hálózatok és fejlődéstörténetük tárgyalásával és magyarázatával kezdődik, majd a párhuzamos architektúrák, a tömeges párhuzamos számításokhoz szükséges áramló gráfok és a konvolúciós optimalizálás leírásával folytatódik.
A szerzők a Georgia Tech Neurocube-ján és a Stanford Tetris gyorsítóján keresztül a hibrid memóriakockát használó in-memory számítások, valamint a beágyazott eDRAM-okon keresztül az Institute of Computing Technology, a Kínai Tudományos Akadémia és más intézmények memóriához közeli architektúrák bemutatását kínálják az olvasóknak.
Az olvasók a többrétegű neurális hálózatokat támogató 3D neurális feldolgozási technikákról is találnak tárgyalást, valamint olyan információkat, mint:
⬤ Egy alapos bevezetés a neurális hálózatok és a neurális hálózatok fejlesztésének történetébe, valamint a konvolúciós neurális hálózat (CNN) modellekbe.
⬤ A különböző párhuzamos architektúrák, köztük az Intel CPU, az Nvidia GPU, a Google TPU és a Microsoft NPU vizsgálata, hangsúlyt fektetve a hardver- és szoftverintegrációra a teljesítmény javítása érdekében.
⬤ A tömeges párhuzamos számításokhoz szükséges áramló gráf vitái a Blaize GSP és a Graphcore IPU segítségével.
⬤ A konvolúció optimalizálásának vizsgálata a UCLA Deep Convolutional Neural Network gyorsító szűrőbontással.
A hardver- és szoftvermérnökök és firmware-fejlesztők számára tökéletes, a Mesterséges intelligencia hardvertervezés nélkülözhetetlen forrás mindazok számára, akik hardveres vagy szoftveres minőségben dolgoznak neurális feldolgozóegységekkel.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)