在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

深度學習的火熱,GPU面臨嚴峻挑戰

454398 ? 來源:ST社區 ? 作者:ST社區 ? 2020-10-15 10:32 ? 次閱讀

人工智能興起之后,安防行業就成為了人工智能技術最大的試驗田,也是落地的主要場景之一。

對于視頻監控行業來說,在GPU的CUBA模塊出現后(相關鏈接:為何GPU能在安防行業呼風喚雨?十幾年前這件事改變了安防前端格局),前端攝像機對GPU的依賴就越來越重,一臺攝像機能夠搭載什么樣的智能算法,算力又如何很大程度上取決于GPU的性能。

然而安防行業是一個場景化的行業,GPU再好也有著它的局限性。在AI發展的浪潮下,越來越多的安防企業選擇自研芯片來適應更細分的需求。

各個安防企業都鉚足力氣或自研或合作生產安防芯片,幾乎每隔幾天就能蹦出一條非GPU安防芯片問世的新聞,在這個勢頭下,不少人都在心里打鼓:“是否GPU的王朝就要結束了?”

隨著深度學習的火熱,GPU面臨嚴峻挑戰

王朝是否結束先按下不表,但從2019年全年智能安防芯片的產出來看,ASICFPGA表現優秀,更是有專家表示,在細分場景的深度學習方面安防芯片已經展現出了良好的發展趨勢,那么我們今年就來看一下2019年安防芯片得到了哪些發展機遇,又有哪些安防芯片表現出不俗的競爭力。

智慧安防需求多樣,AI安防芯片崛起契機來臨

在傳統的認知中,算法的深度學習都依賴GPU的CUBA模塊,根據吳恩達教授在2011的實驗結果表明,12顆英偉達GPU可以提供相當于2000顆CPU的深度學習性能。

但CPU作為圖像處理器時,設計初衷是為了應對圖像處理中的大規模并行計算。因此應用于深度學習時有明顯的局限性。

首先就是硬件結構完全由GPU廠商決定(主要是英偉達),其次是在深度學習方面,其效能遠低于ASIC及FPGA芯片。

通俗的講,采用GPU,你可以定制場景化的算法,但硬件性能以及發揮的效率完全是由英偉達決定,且算法的復雜程度還需要卡GPU的效能決定。

盡管GPU目前依靠其優秀的編程環境和頂尖的算力依舊穩坐AI芯片市場NO1的地位,但其他兩種芯片已呈現出后來居上之勢。

ASIC和FPGA在安防行業越來越得到重視

算力的優勢并不是憑空而來,傳統的GPU雖然在算力上占盡優勢,但存在嚴重的晶體管堆料的現象,導致其利用效率不高而且造成的功耗遠高于其他兩種芯片,對于以7X24小時運行的安防設備來說,這樣的功耗很難接受。

市場上雖然對這些缺點還算比較容忍,(畢竟客戶主要更關心算力)。但長此以往無異于飲鴆止渴。

在設計層面,由于摩爾定律的失效。7nm后制程升級越來越困難,GPU若想保持其算力優勢勢必還會走“堆料”的路子,在云端市場不斷發展的今天,這樣的市場越來越難以為繼。也導致不少安防廠商紛紛開發自己的ASIC和終端的FPGA市場。

由一家獨大,到如今隱隱的三分天下之勢,GPU確實該考慮如何更好的適應市場了。

激烈的安防芯片競爭

在AI芯片選擇方面,一般是有錢的選擇ASIC,早期過渡和追求性價比會選擇FPGA。

FPGA的是很多創業公司初期選擇的平臺,深鑒、寒武紀、地平線、比特大陸都先后使用過FPGA,商湯等視覺公司也應用過FPGA+GPU的解決方案,但當業務發展到一定程度后,都逐步開始轉向ASIC。

這是由于其芯片結構決定的,FPGA相比GPU功耗更低,相比ASIC具有更短的開發時間和更低的開發成本。

一句話總結就是方便、性價比高。且由于英特爾于2015年收購了最成功的的FPGA芯片廠商Altera(151億美元的天價,不得不說英特爾也是給CPU研發部門下了“死命令”),近年來不斷推出CPU+FPGA的組合給各個行業都帶來了前所未有的AI發展機遇。

成本低、重構靈活成為FPGA最大的競爭籌碼

且由于近兩年業界對于深度的學習能力大為推崇,在這方面具有優勢的FPGA無疑就成為了很多廠商的選擇。

相比性價比較高的FPGA,ASIC芯片無疑就彰顯了定制化芯片的霸氣。除了不能像FPGA那樣進行功能擴展和重構以外,ASIC芯片幾乎滿足了所有安防高端定制化的需求,在功耗、可靠性、體積方面優勢很大,尤其是在移動端,其高性能、低功耗的特點成為了眾多廠商的首選。

尤其是人工智能越來越深度化的當下,人們對于智能化深度的要求越來越高。相對應的芯片需要運行的算法也越來越復雜,這都要求芯片擁有一套專用的架構與其進行對應,而ASIC芯片完美地滿足了這一需求。

而ASIC應用的典型的代表就是知名的Alpha Go的大腦:谷歌研發的TPU芯片,其強大的深度學習能力和較低的功耗都讓業內艷羨。

據寒武紀發布的指令集指出,未來ASIC芯片將是AI芯片的核心。

不過研發ASIC芯片的一大難題就是其高昂的成本和較長的開發周期。目前,致力于研發AISC芯片的都是既擅長芯片研發又具備AI算法的行業巨頭,適用于已經具有一定規模且需求場景化定制需求的安防大廠。

除了這幾大類以外,目前安防行業還有云端芯片和類腦芯片具有強大的競爭力。

不過不管誰將在這場競爭中勝出,GPU在安防行業中的衰落或將成為現實,而在AI芯片的競爭當中誰又能拔得頭籌,這還要看他們具體和安防行業的適配程度。

智能芯片市場玩家可不止“御三家”

自研芯片的春天

2019年,我國安防芯片取得了很大的成就,不管是泛用性極廣的海思Hi3516CV500、昇騰系列、還是具有超高集成度的國科微GK7205/GK7205S、亦或是致力于智慧城市建設的地平線旭日1.0都向我們揭示了如今安防行業對于定制化AI芯片的渴求。

在新的一年里,隨著安防智能化的不斷深入,AI芯片行業競爭也會愈加激烈,但無論如何這對于中國安防的發展,都是多了一種選擇,也多了一份效能。

編輯:hfy

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • FPGA
    +關注

    關注

    1629

    文章

    21742

    瀏覽量

    603540
  • asic
    +關注

    關注

    34

    文章

    1200

    瀏覽量

    120513
  • gpu
    gpu
    +關注

    關注

    28

    文章

    4741

    瀏覽量

    128963
  • 人工智能
    +關注

    關注

    1791

    文章

    47294

    瀏覽量

    238578
  • 安防芯片
    +關注

    關注

    1

    文章

    24

    瀏覽量

    16314
收藏 人收藏

    評論

    相關推薦

    深度學習工作負載中GPU與LPU的主要差異

    ,一個新的競爭力量——LPU(Language Processing Unit,語言處理單元)已悄然登場,LPU專注于解決自然語言處理(NLP)任務中的順序性問題,是構建AI應用不可或缺的一環。 本文旨在探討深度學習工作負載中GPU
    的頭像 發表于 12-09 11:01 ?308次閱讀
    <b class='flag-5'>深度</b><b class='flag-5'>學習</b>工作負載中<b class='flag-5'>GPU</b>與LPU的主要差異

    GPU深度學習中的應用 GPUs在圖形設計中的作用

    隨著人工智能技術的飛速發展,深度學習作為其核心部分,已經成為推動技術進步的重要力量。GPU(圖形處理單元)在深度學習中扮演著至關重要的角色,
    的頭像 發表于 11-19 10:55 ?523次閱讀

    深度學習中RNN的優勢與挑戰

    循環神經網絡(RNN)是深度學習領域中處理序列數據的基石。它們通過在每個時間步長上循環傳遞信息,使得網絡能夠捕捉時間序列數據中的長期依賴關系。然而,盡管RNN在某些任務上表現出色,它們也面臨著一些
    的頭像 發表于 11-15 09:55 ?416次閱讀

    NPU在深度學習中的應用

    設計的硬件加速器,它在深度學習中的應用日益廣泛。 1. NPU的基本概念 NPU是一種專門針對深度學習算法優化的處理器,它與傳統的CPU和GPU
    的頭像 發表于 11-14 15:17 ?598次閱讀

    pcie在深度學習中的應用

    深度學習模型通常需要大量的數據和強大的計算能力來訓練。傳統的CPU計算資源有限,難以滿足深度學習的需求。因此,GPU(圖形處理單元)和TPU
    的頭像 發表于 11-13 10:39 ?408次閱讀

    GPU深度學習應用案例

    GPU深度學習中的應用廣泛且重要,以下是一些GPU深度學習應用案例: 一、圖像識別 圖像識別是
    的頭像 發表于 10-27 11:13 ?398次閱讀

    深度學習GPU加速效果如何

    圖形處理器(GPU)憑借其強大的并行計算能力,成為加速深度學習任務的理想選擇。
    的頭像 發表于 10-17 10:07 ?200次閱讀

    FPGA做深度學習能走多遠?

    的發展前景較為廣闊,但也面臨一些挑戰。以下是一些關于 FPGA 在深度學習中應用前景的觀點,僅供參考: ? 優勢方面: ? 高度定制化的計算架構:FPGA 可以根據
    發表于 09-27 20:53

    深度學習算法在嵌入式平臺上的部署

    隨著人工智能技術的飛速發展,深度學習算法在各個領域的應用日益廣泛。然而,將深度學習算法部署到資源受限的嵌入式平臺上,仍然是一個具有挑戰性的任
    的頭像 發表于 07-15 10:03 ?1416次閱讀

    基于深度學習的小目標檢測

    )的廣泛應用,小目標檢測的性能得到了顯著提升。本文將詳細探討基于深度學習的小目標檢測技術,包括其定義、挑戰、常用方法以及未來發展方向。
    的頭像 發表于 07-04 17:25 ?890次閱讀

    深度學習的模型優化與調試方法

    深度學習模型在訓練過程中,往往會遇到各種問題和挑戰,如過擬合、欠擬合、梯度消失或爆炸等。因此,對深度學習模型進行優化與調試是確保其性能優越的
    的頭像 發表于 07-01 11:41 ?831次閱讀

    新手小白怎么學GPU云服務器跑深度學習?

    新手小白想用GPU云服務器跑深度學習應該怎么做? 用個人主機通常pytorch可以跑但是LexNet,AlexNet可能就直接就跑不動,如何實現更經濟便捷的實現GPU云服務器
    發表于 06-11 17:09

    大模型時代,國產GPU面臨哪些挑戰

    ,國產GPU在不斷成長的過程中也存在諸多挑戰。 ? 在大模型訓練上存在差距 ? 大語言模型是基于深度學習的技術。這些模型通過在海量文本數據上的訓練,
    的頭像 發表于 04-03 01:08 ?4671次閱讀
    大模型時代,國產<b class='flag-5'>GPU</b><b class='flag-5'>面臨</b>哪些<b class='flag-5'>挑戰</b>

    FPGA在深度學習應用中或將取代GPU

    基礎設施,人們仍然沒有定論。如果 Mipsology 成功完成了研究實驗,許多正受 GPU 折磨的 AI 開發者將從中受益。 GPU 深度學習面臨
    發表于 03-21 15:19

    詳解深度學習、神經網絡與卷積神經網絡的應用

    在如今的網絡時代,錯綜復雜的大數據和網絡環境,讓傳統信息處理理論、人工智能與人工神經網絡都面臨巨大的挑戰。近些年,深度學習逐漸走進人們的視線,通過
    的頭像 發表于 01-11 10:51 ?2057次閱讀
    詳解<b class='flag-5'>深度</b><b class='flag-5'>學習</b>、神經網絡與卷積神經網絡的應用
    主站蜘蛛池模板: 国产黄色片在线观看| 韩国一区二区三区视频| 免费国产99久久久香蕉| 日日爱视频| 久久国产乱子伦精品免费一| 精品午夜久久影视| 91极品女神嫩模在线播放 | 日韩免费视频一区| 人人人人澡| 狠狠干伊人网| 99久久99久久免费精品蜜桃 | 三级毛片网站| 欧美一级免费观看| 九九99视频在线观看视频观看| 大香交伊人| 人操人人| 欧洲另类一二三四区| 人人做人人爽久久久精品| 亚洲香蕉电影| 碰免费人人人视频| 国产乱人视频在线看| 天天玩天天干| 1024手机免费看| 精品国产柚木在线观看| 四虎影午夜成年免费精品| 免费香蕉视频国产在线看| 国产69精品久久久久9999| 天堂在线最新版www中文| 999国产精品| 国产精品香蕉在线一区| 色婷婷激婷婷深爱五月老司机| 久久久噜噜噜久久| 午夜无遮挡怕怕怕免费视频| 高h视频网站| 国产美女一级视频| 欧美一级色| 夜操| 欧美性网站| 性欧美乱又伦| 狠狠色丁香婷婷综合久久来| 天堂资源最新版在线官网|