0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

使用HPEC促進深度學(xué)習(xí)技術(shù)

星星科技指導(dǎo)員 ? 來源:嵌入式計算設(shè)計 ? 作者:DR. MOHAMED BERGACH ? 2022-11-02 09:48 ? 次閱讀

期待已久的機器學(xué)習(xí)時代終于到來了。深度學(xué)習(xí)技術(shù)對作戰(zhàn)人員的潛在好處既巨大又深遠。隨著防御系統(tǒng)趨向于更大的應(yīng)用程序自主性,深度學(xué)習(xí)技術(shù)過于復(fù)雜,無法用更傳統(tǒng)的處理技術(shù)實現(xiàn),現(xiàn)在可以幫助顯著推動流信號或圖像數(shù)據(jù)平臺處理的進步。事實證明,這些技術(shù)可用于模式識別任務(wù),例如自然語言處理和圖像特征檢測,從而基于龐大的數(shù)據(jù)集產(chǎn)生高度可靠的自主決策。

加速深度學(xué)習(xí)在防御系統(tǒng)中應(yīng)用的是可用的技術(shù)——最新的超大型 FPGA 的數(shù)字處理能力、高能效圖形處理器單元 (GPU) 以及與靈活的多核處理器相關(guān)的高級 SIMD [單指令多數(shù)據(jù)] 處理單元。通過超越曾經(jīng)使深度學(xué)習(xí)架構(gòu)對任何類型的實時應(yīng)用都不切實際的處理限制,如今,新的高性能嵌入式計算 (HPEC) 平臺提供的進步,即使在尺寸、重量和功耗 (SWaP) 受限的系統(tǒng)中,深度學(xué)習(xí)算法也可以輕松滿足。進一步定義如何應(yīng)用深度學(xué)習(xí)算法來解決應(yīng)用程序的特定問題是一項持續(xù)的挑戰(zhàn)。因此,技術(shù)供應(yīng)商必須能夠定制和完善基于HPEC的平臺,以便它們能夠輕松適應(yīng)深度學(xué)習(xí)應(yīng)用的需求。

了解深度學(xué)習(xí)如何工作的基礎(chǔ)知識有助于說明它對戰(zhàn)士的積極力量。應(yīng)用程序可以通過獲取各種傳感器(圖像、聲音、GPS 位置、雷達等)收集的任何信號(觀察)來“學(xué)習(xí)”,并以抽象的方式表示它,或者作為形狀、角落、圖案等特征表示。這些抽象由深度神經(jīng)網(wǎng)絡(luò)(DNN,或數(shù)十層處理層)組成。每個圖層根據(jù)特定類型的要素處理數(shù)據(jù),并將結(jié)果提供給下一個圖層。結(jié)果可能令人印象深刻,有時甚至比人工制作的解決方案更好,優(yōu)化了人臉識別、圖像配準、自然語言處理和欺詐檢測等應(yīng)用程序。

由于網(wǎng)絡(luò)必須經(jīng)過“訓(xùn)練”,因此必須應(yīng)用大量計算,其中信息經(jīng)過多次加權(quán)和優(yōu)化,以減少出錯的可能性。因此,學(xué)習(xí)階段通常在不間斷運行的數(shù)據(jù)中心中執(zhí)行。每個訓(xùn)練結(jié)果都是一個快照。在[軍事-航空航天]設(shè)置中,這些快照將部署在實際的嵌入式HPEC系統(tǒng)上進行測試。該過程不斷重復(fù),期望每個快照的響應(yīng)都比前一個快照更好。

使用基于英特爾至強處理器 D-1540(Broadwell DE)的現(xiàn)成處理密集型平臺,可以構(gòu)建針對深度學(xué)習(xí)應(yīng)用優(yōu)化的模塊化 HPEC 系統(tǒng)。這些系統(tǒng)充分利用其八個內(nèi)核,每個內(nèi)核有兩個AVX2單元,以同時處理八個浮點FMA(融合乘法/累加)操作。換句話說,八個內(nèi)核可以在每個時鐘周期內(nèi)執(zhí)行 128 次浮點運算。英特爾至強融核協(xié)處理器進一步提高了這一水平。提供 72 個內(nèi)核,每個內(nèi)核有兩個 AVX-512 單元,每個單元每個時鐘處理 16 個 FMA 操作,總共 2304 個 FMA 操作。另一個優(yōu)點是英特爾架構(gòu)可確保與每一代后續(xù) 64 位處理器的二進制兼容性,從而有效地保護軟件投資免受未來任何不兼容的影響。

此外,OpenCL 正在蓬勃發(fā)展,迅速成為異構(gòu)計算的首選標準。其豐富而富有表現(xiàn)力的 API 管理數(shù)據(jù)流和計算對象,并有助于確保源代碼在不同平臺(如 GPU、CPU 和 FPGA)上的可移植性。基于 VPX 的主板和平臺也增加了價值,通過背板與 PCIe Gen3 或 10 Gb 以太網(wǎng)鏈路提供高速/低延遲通信,幫助適應(yīng)最廣泛的應(yīng)用。

在當今功能強大且功能豐富的HPEC平臺的推動下,深度學(xué)習(xí)應(yīng)用程序可以輕松篩選來自軍方大信號和圖像處理系統(tǒng)的大量數(shù)據(jù)流??紤]該技術(shù)對必須持續(xù)搜索感興趣信號或目標的應(yīng)用的影響。深度學(xué)習(xí)可以成為主動搜尋威脅和自主部署主動保護系統(tǒng)的答案。在HPEC平臺的支持下,在國防系統(tǒng)智能自主需求的推動下,深度學(xué)習(xí)技術(shù)可能會在軍方未來的作戰(zhàn)戰(zhàn)略中發(fā)揮重要的新作用。

審核編輯:郭婷

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
收藏 人收藏

    評論

    相關(guān)推薦

    NPU在深度學(xué)習(xí)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其核心驅(qū)動力之一,已經(jīng)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和價值。NPU(Neural Processing Unit,神經(jīng)網(wǎng)絡(luò)處理單元)是專門為深度
    的頭像 發(fā)表于 11-14 15:17 ?658次閱讀

    GPU深度學(xué)習(xí)應(yīng)用案例

    GPU在深度學(xué)習(xí)中的應(yīng)用廣泛且重要,以下是一些GPU深度學(xué)習(xí)應(yīng)用案例: 一、圖像識別 圖像識別是深度學(xué)習(xí)
    的頭像 發(fā)表于 10-27 11:13 ?408次閱讀

    激光雷達技術(shù)的基于深度學(xué)習(xí)的進步

    信息。這使得激光雷達在自動駕駛、無人機、機器人等領(lǐng)域具有廣泛的應(yīng)用前景。 二、深度學(xué)習(xí)技術(shù)的發(fā)展 深度學(xué)習(xí)是機器
    的頭像 發(fā)表于 10-27 10:57 ?423次閱讀

    AI大模型與深度學(xué)習(xí)的關(guān)系

    AI大模型與深度學(xué)習(xí)之間存在著密不可分的關(guān)系,它們互為促進,相輔相成。以下是對兩者關(guān)系的介紹: 一、深度學(xué)習(xí)是AI大模型的基礎(chǔ)
    的頭像 發(fā)表于 10-23 15:25 ?879次閱讀

    FPGA做深度學(xué)習(xí)能走多遠?

    ,共同進步。 歡迎加入FPGA技術(shù)微信交流群14群! 交流問題(一) Q:FPGA做深度學(xué)習(xí)能走多遠?現(xiàn)在用FPGA做深度學(xué)習(xí)加速成為一個熱
    發(fā)表于 09-27 20:53

    深度學(xué)習(xí)中的時間序列分類方法

    時間序列分類(Time Series Classification, TSC)是機器學(xué)習(xí)深度學(xué)習(xí)領(lǐng)域的重要任務(wù)之一,廣泛應(yīng)用于人體活動識別、系統(tǒng)監(jiān)測、金融預(yù)測、醫(yī)療診斷等多個領(lǐng)域。隨著深度
    的頭像 發(fā)表于 07-09 15:54 ?1005次閱讀

    深度學(xué)習(xí)與nlp的區(qū)別在哪

    深度學(xué)習(xí)和自然語言處理(NLP)是計算機科學(xué)領(lǐng)域中兩個非常重要的研究方向。它們之間既有聯(lián)系,也有區(qū)別。本文將介紹深度學(xué)習(xí)與NLP的區(qū)別。 深度
    的頭像 發(fā)表于 07-05 09:47 ?961次閱讀

    基于深度學(xué)習(xí)的小目標檢測

    在計算機視覺領(lǐng)域,目標檢測一直是研究的熱點和難點之一。特別是在小目標檢測方面,由于小目標在圖像中所占比例小、特征不明顯,使得檢測難度顯著增加。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展,尤其是卷積神經(jīng)網(wǎng)絡(luò)(CNN
    的頭像 發(fā)表于 07-04 17:25 ?933次閱讀

    深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)作為其中的重要分支,已經(jīng)在多個領(lǐng)域取得了顯著的應(yīng)用成果。從圖像識別、語音識別
    的頭像 發(fā)表于 07-02 18:19 ?921次閱讀

    深度學(xué)習(xí)與傳統(tǒng)機器學(xué)習(xí)的對比

    在人工智能的浪潮中,機器學(xué)習(xí)深度學(xué)習(xí)無疑是兩大核心驅(qū)動力。它們各自以其獨特的方式推動著技術(shù)的進步,為眾多領(lǐng)域帶來了革命性的變化。然而,盡管它們都屬于機器
    的頭像 發(fā)表于 07-01 11:40 ?1422次閱讀

    深度學(xué)習(xí)在自動駕駛中的關(guān)鍵技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,自動駕駛技術(shù)作為其中的重要分支,正逐漸走向成熟。在自動駕駛系統(tǒng)中,深度學(xué)習(xí)技術(shù)發(fā)揮著至關(guān)重要的作用。它通過模擬人
    的頭像 發(fā)表于 07-01 11:40 ?785次閱讀

    深度解析深度學(xué)習(xí)下的語義SLAM

    隨著深度學(xué)習(xí)技術(shù)的興起,計算機視覺的許多傳統(tǒng)領(lǐng)域都取得了突破性進展,例如目標的檢測、識別和分類等領(lǐng)域。近年來,研究人員開始在視覺SLAM算法中引入深度
    發(fā)表于 04-23 17:18 ?1312次閱讀
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>下的語義SLAM

    為什么深度學(xué)習(xí)的效果更好?

    導(dǎo)讀深度學(xué)習(xí)是機器學(xué)習(xí)的一個子集,已成為人工智能領(lǐng)域的一項變革性技術(shù),在從計算機視覺、自然語言處理到自動駕駛汽車等廣泛的應(yīng)用中取得了顯著的成功。深度
    的頭像 發(fā)表于 03-09 08:26 ?638次閱讀
    為什么<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>的效果更好?

    什么是深度學(xué)習(xí)?機器學(xué)習(xí)深度學(xué)習(xí)的主要差異

    2016年AlphaGo 擊敗韓國圍棋冠軍李世石,在媒體報道中,曾多次提及“深度學(xué)習(xí)”這個概念。
    的頭像 發(fā)表于 01-15 10:31 ?1096次閱讀
    什么是<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>?機器<b class='flag-5'>學(xué)習(xí)</b>和<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>的主要差異

    詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    處理技術(shù)也可以通過深度學(xué)習(xí)來獲得更優(yōu)異的效果,比如去噪、超分辨率和跟蹤算法等。為了跟上時代的步伐,必須對深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 01-11 10:51 ?2204次閱讀
    詳解<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用