BNN攜手FPGA 深度學習效能再上層樓 - 技術頻道 - 新電子科技雜誌 Micro-electronics


熱門關鍵字:USB PD | 自駕車 | 藍牙5 | NB-IoT | AI

訂閱電子報

立刻輸入Email,獲取最新的資訊:


收藏功能:
分享報新知:
其他功能:

BNN攜手FPGA 深度學習效能再上層樓

文‧Nallatech 發布日期:2018/10/01 關鍵字:BNN,FPGA,人工智慧,CNN

人工智慧以往只是學術領域、研究機構和科學幻想之中的理念,直到十年前才得以實現。深度學習技術最近發展至可以大規模的以實際和經濟方式解決現實世界中的應用問題,形成了一個眾多市場參與者趨之若鶩的蓬勃生態系統。

時至今日,幾乎每個應用領域都可獲益於深度學習,充分利用人工神經網路,從大量資料中學習,而高效率的執行特定的功能。在神經網路的這一研究和創新領域中,卷積神經網路(CNN)已經成為了新興的深度學習技術,可以妥善解決影像分類和物件辨識上的問題。CNN利用卷積運算來探索出影像集內部的空間相關性。CNN一般被視為理想的神經網路,特別是用於低功率應用,因為與需要更多資源的完全互聯網路相比,CNN更為輕巧,也更容易為系統進行訓練。

為了減少矽材料的使用數量,降低執行高效能神經網路所需的功率,其中一個方法就是縮小浮點計算的動態範圍。使用16位元的浮點計算來取代32位元的計算,已經被證實為只會輕微的影響到影像分類的準確性。

》想看更多內容?快來【免費加入會員】【登入會員】,享受更多閱讀文章的權限喔!
研討會專區
熱門文章