四大優勢助陣 NVMe讓AI更聰明

作者: Ulrich Hansen
2019 年 01 月 03 日
透過人工智慧(AI)來達成下一階段技術的突破,需要大量的資料運算,但要做到這一點,並不是單純把TB單位的原始數據量傳送給機器再等待結果這麼簡單。資料必須先經過收集、整理、對應的規範,才能進行下一步工作。接著,研究人員須要投入大量的時間、透過來回往復的交互過程,設計出最適當的AI架構,而這些被整理過的TB單位量的數據,才能開始進行人工神經網路訓練。
》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!
標籤
相關文章

即時/安全/可靠 邊緣運算執行高效機器學習

2020 年 03 月 02 日

整合多階/類比記憶體運算 AI邊緣功耗難題迎刃而解

2020 年 10 月 05 日

圖型化/非接觸大行其道 邊緣運算開創人機界面新局

2022 年 06 月 01 日

從手機到邊緣智慧 SoC加碼強化整合與運算能力

2022 年 07 月 21 日

WDC力拱RISC-V x86/ARM架構出現新對手

2017 年 12 月 05 日

非監督式學習大行其道 場景深度偵測相對複雜(2)

2024 年 01 月 14 日
前一篇
資料中心帶動光通訊需求 DCI成光纖元件銷售最強驅動力
下一篇
ST變模MEMS工業加速度計具高測量分辨率/超低功耗