ศูนย์ข้อมูลปัญญาประดิษฐ์

เอกสารอ้างอิง

ในเอกสารนี้ เราวิเคราะห์เกี่ยวกับการปรับใช้งานเอฟพีจีเอ มินิโฟลต (ตัวแสดงจุดลอยตัวที่มีขนาดเอ็กโพเนนต์และแมนทิซซาที่ไม่มาตรฐาน) และแสดงการปรับใช้บล็อกจุดลอยตัวที่มีเอ็กซ์โพเนนต์เดียวกันในหลายตัวเลข ซึ่งลดลอจิกในการทำจุดลอยตัว

ในเอกสารนี้เราจะแนะนำแนวทางแบบเจาะจงโดเมนสำหรับโอเวอร์เลย์ซึ่งสามารถยกระดับประสิทธิภาพของซอฟต์แวร์และฮาร์ดแวร์เพื่อให้การทำงานสุดล้ำสมัยบนเอฟพีจีเอในการเร่งความเร็วเครือข่ายประสาท

เอกสารนี้จะวิเคราะห์ความยืดหยุ่นและผลกระทบต่อวิธีการออกแบบเอฟพีจีเอ เครื่องมือการออกแบบทางกายภาพ และใช้คอมพิวเตอร์ช่วยในการออกแบบ (CAD) เราอธิบายถึงระดับของความยืดหยุ่นที่จำเป็นในการสร้างการร่งเความเร็วการเรียนรู้เชิงลึกที่มีประสิทธิภาพ

เอกสารข้อมูลนี้จะวิเคราะห์ถึงอนาคตของเครือข่ายประสาทเทียมเชิงลึก รวมถึงเครือข่ายเบาบาง ความแม่นยำต่ำ และความแม่นยำต่ำมาก จากนั้นเปรียบเทียบประสิทธิภาพการทำงานของเอฟพีจีเอ Intel® Arria® 10 และ Intel® Stratix® กับหน่วยประมวลผลกราฟิก (GPU) NVIDIA

  • การเร่งความเร็วการเรียนรู้เชิงลึกกับแพลตฟอร์ม OpenCL™ และเอฟพีจีเอ Intel® Stratix® 10 ›

เอกสารข้อมูลนี้อธิบายถึงการที่เอฟพีจีเอ Intel® สามารถยกระดับแพลตฟอร์ม OpenCLTM ให้ตอบโจทย์กับความต้องการของการประมวลผลรูปภาพและการจำแนกประเภทของโลกในปัจจุบันที่ให้ความสำคัญการกับใช้รูปภาพ

เอกสารข้อมูลนี้จะแสดงถึงรายละเอียดของสถาปัตยกรรมและประสิทธิภาพการทำงานของการเร่งความเร็วการเรียนรู้เชิงลึกคอร์ทรัพย์สินทางปัญญา (IP) ของเรา

การสร้างแอปพลิเคชันคอมพิวเตอร์วิทัศน์ประสิทธิภาพสูงผสมผสานด้วยการอนุมานการเรียนรู้เชิงลึก

Intel® Vision Accelerator Design พร้อมเอฟพีจีเอ Intel Arria 10 ให้ประสิทธิภาพ ความยืดหยุ่น และความสามารถในการปรับขนาดอันเหนือระดับสำหรับโซลูชันการเรียนรู้เชิงลึกและคอมพิวเตอร์วิทัศน์

ข้อมูลสรุปโซลูชัน

อธิบายวิธีการปรับใช้งานโครงข่ายประสาทเทียมบนเอฟพีจีเอ

วิดีโอ

บทความ