机器学习2019-01-30T17:59:25+00:00

峰科加速在机器学习中的应用

加速机器学习

随着社交媒体平台和新连接设备的增长推动物联网时代的到来,多种格式(即图像,视频,语音等)的数据不断扩展。到2020年,各类智能设备每天可以产生共约10000000000G的数据。这些海量数据常被用来完成人工智能机器学习的各种任务。完成所有的学习需要花费很长的时间,由此可见对机器学习的加速将会是行业热点所在。

深度卷积神经网络(CNN)是广泛采用的ML算法之一,因为它们为图像分类和语音识别等复杂应用提供了更高的精度。参数优化是提高算法性能的常用方法,数据科学家和应用程序开发人员可以从诸如矩阵乘法运算的核心算法函数的FPGA加速中受益。与此同时,CNN正在快速发展,这种演变上引入了不规则的并行执行结构。FPGA的可编程性和可重构性优势在这样的结构下可以最大化发挥。

得益于FPGA加速的机器学习领域:

  • 图像识别

  • 语音分析

  • 自动驾驶

  • 医学影像和诊断

  • 实时预测

优势

执行速度更快

利用FPGA并行计算诸如CNN的网络可以使运行时间加快几个数量级。

持续更新

FPGA的可重构性避免了ASIC难以更新ML算法的瓶颈。

高效计算

与同样算法的CPU/GPU实现相比,峰科的方案在相同功耗下性能可提高25倍,并将延迟缩短50-75倍。


了解更多

Merlin编译器演示视频

Merlin Datasheet

Merlin简介

开始试用


现在开始
aws_logo_circle

联系我们

谢谢!信息已经成功提交!