熱門Ptt文章

[爆卦]tensor翻譯是什麼？優點缺點精華區懶人包

雖然這篇tensor翻譯鄉民發文沒有被收入到精華區：在tensor翻譯這個話題中，我們另外找到其它相關的精選爆讚文章

在 tensor翻譯產品中有2篇Facebook貼文，粉絲數超過3,992的網紅台灣物聯網實驗室 IOT Labs，也在其Facebook貼文中提到， Facebook跨界打造AI深度學習晶片 2018年9月17日Rick Merritt, EE Times矽谷採訪中心主任 Facebook證實目前正在招聘晶片工程師，成立晶片部門並展開ASIC設計。這家社交網路巨擘預計很快地將有5家晶片公司支援其Glow深度學習編譯器… 據Faceb...

「tensor翻譯」的推薦目錄
  • 台灣物聯網實驗室 IOT Labs

    tensor翻譯 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文

    2018-09-17 18:33:00
    有 3 人按讚


    Facebook跨界打造AI深度學習晶片

    2018年9月17日Rick Merritt, EE Times矽谷採訪中心主任

    Facebook證實目前正在招聘晶片工程師，成立晶片部門並展開ASIC設計。這家社交網路巨擘預計很快地將有5家晶片公司支援其Glow深度學習編譯器…

    據Facebook一位高層證實，該公司目前正在招聘晶片工程師，並展開至少一款ASIC設計。在日前於美國加州舉行的Facebook @Scale 2018大會上，這家社交網路巨擘宣佈，預計將有五家晶片公司支援其Glow——一款開放來源的深度學習編譯器。

    Facebook基礎架構副總裁Jason Taylor說，Facebook「確實成立了一支專門與晶片供應商合作的晶片團隊，同時，我們也在打造自家晶片。不過這當然不是我們的首要關注重點。」他表示，這款晶片「並不等同於Google TPU」深度學習加速器，但他並未提供與這款晶片有關的更多細節或時間表。

    Facebook的新晶片部門工作重點之一在於與大約50家設計人工智慧(AI)加速器的公司合作。Taylor指出，「市場上將出現許多加速器晶片。但最大的問題在於他們針對的工作負載是否是當前最重要的。」

    在主題演講中，Taylor將Glow描述為一種通用編譯器，讓開發人員能夠針對雲端或網路邊緣中任何新興深度學習加速器進行推論任務。它並不針對智慧型手機等客戶端系統。

    「我們預期[推論加速器]市場將會出現硬體零碎化的情況。我們開發Glow的目的在於協助機器學習專家設計神經網路，而不必面對調整『每個特定晶片』所需的工作。」

    「我們知道硬體零碎化即將發生，因為沒有人知道哪一種[硬體]資源的組合——例如晶片上記憶體區塊和乘法累加陣列——將會勝出，因此我們讓開發人員專注於高層級的圖形，而無需為硬體規格手動編碼。」

    Taylor解釋，Glow採用由TensorFlow或Caffe2等架構產生的AI圖形，並將其渲染為硬體加速器的位元程式碼。根據Facebook的一篇部落格文章，該編譯器內含幾種工具，包括為晶片特定記憶體配置產生有效程式碼的指令排程器、線性代數最佳化器與記憶體分配器，以及用於測試硬體精確度的CPU參考建置。

    益華電腦(Cadence)、Esperanto Technologies、英特爾(Intel)、Marvell和高通(Qualcomm)等公司都表示未來的晶片將支援Glow。Taylor則表示希望進一步擴展支援名單。「這是Glow作為開放來源的優點之一。」

    一位資深晶片專家將Glow描述為在生產系統中部署神經網路的架構。其輸入是在TensorFlow或Caffe2等架構中創建的圖形。

    幾家既有的晶片製造商已經提供了類似的軟體。例如，輝達(Nvidia)的Tensor RT自架構中提取圖形，並為其GPU輸出Cuda程式碼。

    傳統上，編譯器針對特定晶片進行嚴密的最佳化。但是，Taylor說：「近來的編譯器範圍比過去的更加廣泛——Glow中的最佳化必須能辨識可以渲染到硬體加速器的大部份圖形。」

    轉型AI的前兆？

    在快速發展的深度學習領域，Glow可說是致力於填補軟體和硬體之間差距的最新例證。例如，Nvidia Tensor RT雖然在一年多前才首次發佈，至今已進展到第五個版本了。但有些加速器新創公司對於支持各種軟體架構及其變化所要求的工作程度也無能為力。

    Facebook、微軟(Microsoft)和其他公司則都支援ONNX——一種以權重表現圖形的標準方法。去年12月，Khronos Group還發佈了用於深度學習加速器的硬體抽象層NNEF。

    Glow是Pytorch 1.0的一個組成部份。Pytorch 1.0是一個開放來源計劃組合，包括合併的Caffe2和Pytorch架構。Pytorch 1.0的第一個開發者大會將於今年10月在舊金山舉行。

    Facebook工程經理Kim Hazelwood在另一場活動中展示Facebook使用的十幾種不同深度學習工作負載，其中至少使用了四種不同類型的神經網路。每天，該AI應用程式(App)產生超過200兆個推論，翻譯超過50億個文本，同時也自動刪除至少100萬個假帳戶。

    她說，Facebook的一些推論任務需要的運算量是其他任務的100倍。如今，Facebook在其設計的一小部份CPU和GPU伺服器上執行這些任務。

    Hazelwood在接受《EE Times》訪問時說，從通用硬體轉向客製硬體，必須為那些仍在定義中的工作負載量身打造晶片。但她拒絕透露Facebook對於使用任何自定義AI加速器的想法。

    Facebook neural nets在至少十幾種深度學習app中，僅Facebook本身就採用了至少5種神經網路

    一位觀察家推測，Glow可說是一款理想的工具，有助於讓公司採用適合其工作負載的加速器。Facebook的晶片團隊還能協助精選晶片，或許還可以為其提出客製化晶片的建議。

    此外，Facebook的一篇部落格文章描述它所開發的一款全新軟體工具，使用深度學習來除錯程式碼。SapFix可以自動產生針對特定錯誤的修復程式，然後提交給工程師進行審核並部署至生產中。

    目前，Facebook已經使用SapFix，加速為使用Facebook Android App的數百萬裝置發送程式碼更新的過程。Facebook表示將發佈該工具的一個版本，但未具體說明時間表。

    附圖：
    Jason Taylor GlowFacebook基礎架構副總裁Jason Taylor形容Glow是一款為雲端和邊緣網路進行推論的編譯器（來源：Facebook）

    Facebook Glow

    資料來源：https://www.eettaiwan.com/…/20180917NT01-Facebook-Builds-Ch…

  • 彭博商業周刊 / 中文版

    tensor翻譯 在 彭博商業周刊 / 中文版 Facebook 的最讚貼文

    2017-07-30 22:30:00
    有 38 人按讚


    【即時頭條】微軟研發AI晶片 可實時分析語音和影象

    科技企業熱衷於把酷炫的人工智能功能引入到手機和增強實境眼鏡中，比如說，讓智能眼鏡顯示機械細節幫助人們修理引擎，或者用遊客的母語介紹他們看到和聽到的東西。不過，這一領域還面臨著巨大的挑戰：如何管理讓這些出色功能發揮作用的海量資料，而不會讓裝置放慢運行速度，或者在幾分鐘內耗盡電量，從而破壞使用者體驗。

    微軟公司(Microsoft Corp.)宣佈他們找到了答案，將專門為該公司的虛擬實境眼鏡HoloLens開發晶片，這一額外的人工智能處理器可以實時分析使用者在裝置上看到和聽到的內容，而不必浪費寶貴的時間把資料傳回到雲端進行處理。這款處理器是微軟公司現有全息處理器(HPU)的一個新版本，在 7月24日夏威夷檀香山的CVPR大會上對外公佈。該晶片正在開發中，將加在新版的HoloLens眼鏡上，不過微軟公司沒有透露具體的釋出日期。

    微軟公司很少參與新處理器開發的所有環節(除了製造環節)，而這次就是少見的特例。該公司表示，這是首款專門為移動裝置設計的晶片。

    現在自主研發晶片的做法越來越流行，因為企業認為現成的處理器不能充分發揮人工智能的潛力。據熟悉內幕的知情人在5月透露，蘋果公司正在測試的iPhone原型機搭載了專為處理人工智能而設計的晶片。谷歌也在自行開發其第二代人工智能晶片。為了說服人們購買下一代的電子裝置(手機、虛擬實境頭盔甚至是汽車)，企業必須提供快速流暢的使用者體驗。

    「消費者期望得到幾乎沒有任何滯後和實時處理的體驗，」市場研究機構Tirias Research分析師麥格雷戈(Jim McGregor)說，「對自動駕駛汽車來說，你沒有時間把資料傳回雲端，再做出避免車禍或者撞到行人的決定。自動駕駛汽車產生的資料量非常大，你不能把所有資料都發送到雲端。」他表示，到2025年，人們進行互動的每款電子裝置都會內建人工智能功能。

    多年來，英特爾(Intel Corp.)等公司打造的中央處理器為全世界各種電子裝置和伺服器提供了足夠的動力和智能支援。可是人工智能的快速發展，讓一些傳統晶片製造商在10多年來第一次面臨真正的競爭。在很大程度上，人工智能的加速能力歸功於通過分析模式和學習模式來模仿人類大腦的神經網絡。個人電腦和伺服器使用的通用晶片並不是為快速處理多項任務而設計的，而這是對人工智能軟件的要求。

    微軟幾年來一直在研發自己的晶片，該公司為Xbox Kinect視訊遊戲系統開發了運動跟蹤處理器。最近，為了在雲服務方面與谷歌和亞馬遜公司(Amazon.com Inc.)進行較量，微軟使用了稱為現場可程式設計門陣列(FPGA)的定製晶片，以發揮其人工智能應對實際挑戰的實力。微軟從英特爾的子公司Altera購買了這些晶片，使用軟件讓晶片適應自身需求，而這是該類型晶片獨有的功能。

    在2016年的展示活動中，微軟公司同時利用數千個這樣的晶片，將所有英文維基百科內容翻譯成西班牙語，包括500萬篇文章的30億個單詞，僅用了不到十分之一秒的時間。接下來，微軟將讓其雲客戶使用這些晶片，加快處理人工智能任務的速度，該服務將於明年某個時候推出。客戶可以使用這項服務做很多事情，比如從大量資料中識別影象，或者使用機器學習演算法來預測客戶的購買模式。「我們非常重視這個項目，」微軟研究院(Microsoft Research)的傑出工程師伯格(Doug Burger)說，他負責微軟公司的雲晶片開發戰略業務，「我們的願望是成為第一大人工智能雲。」

    微軟有很多競爭對手。亞馬遜也在使用現場可程式設計門陣列，並計劃使用英偉達公司(Nvidia Corp)為人工智能打造最先進的新款晶片Volta， 英偉達現在是專門用於訓練人工智能系統的圖形處理器的主要製造商。與此同時，谷歌也在打造稱為Tensor處理單元的人工智能晶片，並且已經供客戶使用。內部研發晶片的成本高昂，但是微軟表示別無選擇，因為這項技術變化太快了，科技企業很容易就會被甩在後面。

    對於重視人工智能的微軟公司行政總裁納德拉(Satya Nadella)來說，他的頭等大事是把人工智能專長從雲端轉移到人們手持或頭戴的電子裝置。在2017年5月發表的演講中，納德拉提出了利用人工智能技術追蹤工業裝置、告訴使用者各種資訊的設想，比如在哪裡找到電鑽，如何使用這種工具，以及在未經授權的使用或者發生化學品洩漏時發出警告。全新的HoloLens晶片會讓這個願景更有可能變成現實。微軟技術總監斯科特(Kevin Scott)說，「我們確實需要定製晶片，幫助推動我們正在構建的部分場景和應用。」撰文/Dina Bass、Ian King
    #人工智能 #微軟 #AI晶片

你可能也想看看

搜尋相關網站