图片名称

城市分站

中文版

English

Русский язык

Français

España

进入商城
新闻资讯

公司新闻

行业新闻

AI芯片特性及对比

AI芯片特性及对比

目前，智能驾驶领域在处理深度学习AI算法方面，主要采用GPU、FPGA 等适合并行计算的通用芯片来实现加速。同时有部分芯片企业开始设计专门用于AI算法的ASIC专用芯片，比如谷歌TPU、地平线BPU等。在智能驾驶产业应用没有大规模兴起和批量投放之前，使用GPU、FPGA等已有的通用芯片可以避免专门研发定制芯片（ASIC）的高投入和高风险，但是，由于这类通用芯片设计初衷并非专门针对深度学习，因而存在性能不足、功耗过高等方面的问题。这些问题随着自动驾驶行业应用规模的扩大将会日益突出。

15

2021

/

09

为何GPU可以用于加速人工智能或者机器学习的计算速度（并行计算能力）

为何GPU可以用于加速人工智能或者机器学习的计算速度（并行计算能力）

电脑显示器上显示的图像，在显示在显示器上之前，要经过一些列处理，这个过程有个专有的名词叫“渲染”。以前的计算机上没有GPU，渲染就是CPU负责的。渲染是个什么操作呢，其实就是做了一系列图形的计算，但这些计算往往非常耗时，占用了CPU的一大部分时间。而CPU还要处理计算机器许多其他任务。因此就专门针对图形处理的这些操作设计了一种处理器，也就是GPU。这样CPU就可以从繁重的图形计算中解脱出来。

15

2021

/

09

什么样的 GPU 才是人工智能训练的最佳选择？

什么样的 GPU 才是人工智能训练的最佳选择？

众所周知，当今业界领先（State-of-the-art）的深度学习模型都会占用巨大的显存空间，很多过去性能算得上强劲的 GPU，现在可能稍显内存不足。探讨了哪些GPU可以在不出现内存错误的情况下训练模型，这些显卡更适合个人电脑和小型工作站。该篇文章的核心结论是，显存大小非常重要。是的，显存大小正在制约着很多深度学习模型的训练。

15

2021

/

09

AI做显卡、显卡跑AI！英伟达实现芯片设计自循环？

AI做显卡、显卡跑AI！英伟达实现芯片设计自循环？

Dally在2022年的GTC演讲中描述道：「我们的设计团队是一个约有300人的小组，试图在英伟达的产品设计上探索更有前瞻性的领先位置。我们有点像远光灯，试图照亮远处的东西。这个团队被松散地组织成两半。

15

2021

/

09

什么是EpiK Protocol铭识协议？

什么是EpiK Protocol铭识协议？

2012 年，谷歌 Knowledge Graph 产品初步成形，开启了知识图谱时代。到现在，知识图谱已经被广泛应用在自然语言处理的各项任务中，如金融、电商、医疗、政务等众多领域的信息搜索、自动问答、决策分析等。

15

2021

/

09

< 1 >
图片名称

Dongguan Lianli  Electronic Technology Co., Ltd.

东莞市链力电子科技有限公司

邮箱: sales1@lianliwork.com

 热线：400-852-9767

座机：0769-82867936

手机：18025114602
公司地址：中国广东省东莞市清溪镇香窝路18号1805

版权所有 © 2022 东莞市链力电子科技有限公司  　SEO标签

粤ICP备2022032841号

 网站建设：中企动力  东莞二分 

营业执照

全局搜索

搜索