إنهاء | apddd

أنتجت | AI معسكر التكنولوجيا (ID: rgznai100)

وعلى الرغم من العدد الكبير من خدمات AI يتم توفيرها من قبل شبكة الحوسبة السحابية، ولكن من حيث استجابة منخفضة الكمون، حماية الخصوصية، وتطبيق سيناريوهات أخرى، رقاقة الهاتف الخليوي AI لا يمكن الاستغناء عنه. مثل الوجه إفتح، تحسين الصورة، والاعتراف، مساعد ذكي، والتعرف على المشهد المصور هذه الميزات سوف الاتصال بي كل يوم، والهاتف لا يمكن الاستغناء نعمة المحرك العصبي.

AI-المعيار تقييم

AI-المعيار هو المعهد التقني الفدرالي العالي زيوريخ (ETH زيورخ) الكمبيوتر الرؤية مختبر أندري إغناتوف AI مقاييس التنمية، فإنه لا تعتمد على أدوات كل بائع شركة نفط الجنوب الخاصة والمرجعية API SDK، يمكن أن يكون أكثر موضوعية أداء المحطة.

وتشمل المهام اختبار ما يلي تسعة (

تحديد الهدف / تصنيف : هذا هو عبارة عن شبكة العصبية الأساسية جدا ولكنها قوية جدا، وقادرة على تحديد 1000 فئات مختلفة من الكائنات على أساس صورة، فإن معدل دقة حوالي 70. بعد حجم كميا لها قد تكون أقل من 5MB، إلى جانب انخفاض تكلفة الذاكرة، فإنه يمكن استخدامها على جميع الهواتف الذكية الموجودة تقريبا.

دقيق تحديد الهدف / تصنيف : هذا هو تمديد الشبكة، وأكثر دقة، ولكن التكلفة هي أربعة أضعاف حجم الأصلي، ومطالب كبيرة على الحوسبة. وهناك ميزة واضحة - ويمكن التعامل مع صورة عالية الدقة، مما يعني أن تحديد أكثر وأكثر دقة الكشف عن الأهداف الصغيرة.

التعرف على الوجه : يتم تنفيذ ذلك عن طريق، لكل صورة الوجه، ستواجه ترميز الشبكة العصبية وتوليد ناقلات ميزة من 128 أبعاد، لا يغير متجه الميزة مع التحجيم، والتناوب أو حركة التغييرات. ثم يتم استرداد هذه النواقل وأفضل ناقلات ميزة مطابقة (والحالة المقابلة)، وقاعدة بيانات تحتوي على مئات الملايين من هذه المعلومات في قاعدة بيانات.

صورة deblurring: غامض من قبل بدائية، وأبسط، فإن معظم خفيفة الشبكة العصبية SRCNN (فقط ثلاثة طبقات الإلتواء) إزالتها. وحتى مع ذلك، فإنه لا يزال يظهر نتيجة مرضية إلى حد ما.

صورة سوبر قرار : 19 باستخدام طبقة VGG-19 شبكة. وعلى الرغم من الوضع الحالي، وأداء الشبكة ليست مذهلة، لا يمكننا إعادة بناء جزء تردد عال. ولكن كان لهذه اللوحة لا تزال هي الحل المثالي، لأن الشبكة يمكن أن تصبح الصورة أكثر وضوحا، وأكثر سلاسة.

آخر صورة فائقة الدقة : المهمة على النحو الوارد أعلاه، ولكن انتهى مختلفة قليلا، إذا أردنا استخدام مختلف الشبكة العصبية الشبكة العصبية التدريب كيف؟ نرتب شبكات 2-2 إنجاز المهام المختلفة: محاولات الشبكة من أجل حل المشاكل المذكورة أعلاه فائقة الدقة، شبكة B لمراقبة نتيجة، في محاولة للعثور عليهم ومعاقبتهم عيب شبكة A.

الدلالات تجزئة صورة : الكشف عن الهدف 19 فئة (مثل المركبات والمشاة والطرق والسماء، وما إلى ذلك) وفقا للكاميرا لقطة الصورة متنها.

تحسين الصور : بعد التدريب المناسب للشبكة العصبية يمكن السماح للصور على مظهرك الهاتف القديم أكثر من المألوف.

حد الذاكرة : المهمة 4 المستخدمة SRCNN هو الأكثر خفيفة الوزن، واحدة الشبكة العصبية بسيطة، والغرض من هذا الاختبار هو العثور على حدود الجهاز، وهذا هو أسهل لشبكة مقبض في النهاية كم من الصورة.

Yiqijuechen أو التعادل

في فبراير 2019 المخبوزات الطازجة الترتيب، وكوالكوم أنف العجل 855 تتصدر القائمة، تليها ميديا تيك هيليو معالج P90. معظم المعالجات النقالة قوية هواوي كيرين 980 (صدر في سبتمبر من العام الماضي)، في هذا الاختبار، وكان شياو 855 ملحوظ التخلص من 35.

شياو لونغ 855 (نقاط 19769) لالفاصلة العائمة وتحديد الشبكة العصبية أن يسلم الأمثل تسارع - السابق تعتمد الكظر 640 GPU، وشبكة تحديد تشغيل السداسي 690 DSP في. تم حذف هذا المزيج AI وحدة عملية مستقلة لا تزال وحدة المعالجة المركزية التقليدية / GPU وDSP / ISP جزء AI معالجة المهام. هذه فكرة التصميم، وجعل شركة نفط الجنوب أصغر وأسهل للتطوير، ولكن تم تصميم هذه المهمة أصلا لGPU الرسومات، قد لمس اختناقات البنية التحتية في المستقبل البعيد، سيكون لدينا حتما إلى مواجهة العمارة كبرى تعديل رقاقة.

النزاع رقاقة على حد سواء سباق مسافات طويلة، أيضا العدو.

حول شبكة قياس

التحدي الأكبر عندما يسمح الشبكات العصبية النامية لاتخاذ حقا تأثير، هو المطلوب التدريب عموما سرعة ودقة عالية. باستخدام الحساب الفاصلة العائمة هو الحفاظ على نتائج دقيقة أسهل طريقة --GPU ديك لتسريع الفاصلة العائمة مكتبة الحسابية، لذلك لا تحتاج الكثير من الاهتمام إلى صيغ رقمية أخرى.

مع وضع عدد كبير من نموذج الشبكة العصبية موضع التنفيذ. يحسب الباحثون عددا من تزايد الطلب التدريب خطيا مع فترة التوقعات المطلوبة بما يتناسب مع عدد من المستخدمين. وسائل هذا محض كفاءة التنبؤ باتت وشيكة.

هذا هو القياس الكمي للشبكة العصبية يأتي في: تحديد مقدار الدافع الأولي للشبكة هو الحد من نموذج حجم الملف، لا يزال يعود تحويلها إلى أرقام الفاصلة العائمة في نموذج يتم تحميل، لذلك لم يكن لديك حاجة لتغيير رمز من حسابات الفاصلة العائمة يمكن أن يعمل بشكل صحيح الدافع الكمي للحد من عملية التنبؤ بالطلب الموارد الحاسوبية.

على الرغم من أن الورقة الوحيدة في النهاية، ولكن ميديا تيك P90 (فوق 18231) AI الأداء الفعلي، وتقريبا على معالج أنف العجل في نهاية المطاف الاسمية (P90 على الرغم من أن المعلمة النظرية اتجاه الريح GMAC)، والذي يستخدم شريحة منفصلة AI - صمم من GPU "التغيير السحر"، لتحسين مهمة التعلم العمق. مقارنة مع المنافسين، ورقاقة هو أقل من ضعف أداء وحدة المعالجة المركزية بنسبة 30، GPU هو أيضا مرضية إلى حد بعيد.

هواوي كيرين 980 (فوق 14646) نشرت ما يقرب من عام ونصف العام، على الرغم من أن كتاب النتائج جونسون الحافة، ولكن تجدر الإشارة إلى أن العائمة الأداء نقطة مع اثنين من المعارضين بغض النظر عن النتيجة، يعني تعمل الفاصلة العائمة مهام الشبكة العصبية، ولكن أيضا الشيء نفسه تقريبا - - وهذا هو لحظة التيار AI البحوث وتطوير التكنولوجيا، ولكل بنية الشبكة، والتي في الفاصلة العائمة تدريبية نموذجية. ليس العكس، يمكن تحويلها إلى نموذج كمي لشبكة أقل، وغالبا ما يصحبها انخفاض كبير في دقة. وذلك في وقت مبكر 2019، هواوي كيرين 980 لا تزال تعتبر قوية.

إذا نظرنا إلى الوراء في التاريخ، في وقت مبكر من عام 2004، بدأت هواوي لبناء الهاتف المحمول رقاقة R & D فريق، بعد خمس سنوات من البحث والتطوير، في عام 2009، كان أول من الخروج مع هاس K3. بحلول أوائل عام 2014، شن من كيرين 910، للمرة الأولى باستخدام عملية 28nm، إلا سمعته. طوال عام 2014، هواوي توقف التكرار، أصدر ما مجموعه 6 رقائق، وأخيرا حققت تقدما كبيرا.

ثم في نوفمبر تشرين الثاني عام 2015، كيرين 950 شركة نفط الجنوب الإفراج، وذلك باستخدام 16nm FinFET وبالاضافة الى التكنولوجيا، بالكاد اللحاق كوالكوم. وبعد 950، هواوي صدر أيضا في عام 2016، 960 في عام 2017 صدر 970، ثم إلى 710 في يوليو 2018 الإفراج عنهم، الصادرة في شهر أغسطس 980، بدأ أخيرا لقيادة - بعد ربع، هواوي كيرين 970/980 عائلة تقريبا احتكار AI-المعيار قائمة المعدات التجارية.

حتى الآن، أقوى سطح المحمول AI شياو 855 المعالج وفي نهاية المطاف من؟ باب أبل القادم إلى البيت A12X بيونيك قد لا نتفق (AI-المعيار حاليا يعتمد فقط منصة أندرويد).