Socionext成功開(kāi)發(fā)了一款集成有量化深度神經(jīng)網(wǎng)絡(luò)技術(shù)的原型芯片
日本高新科技博覽會(huì)（CEATEC）是日本規(guī)模最大，同時(shí)也是亞洲最大、最尖端的IT/電子綜合展，每年吸引十幾萬(wàn)觀眾到場(chǎng)洽談交流。受疫情影響，今年的CEATEC 2020改為線上Online舉辦模式，觀眾可于10月20-23日期間上官網(wǎng)觀展。
本次云展會(huì)上，Socionext助力日本新能源與產(chǎn)業(yè)技術(shù)綜合開(kāi)發(fā)機(jī)構(gòu)（NEDO），以“低功耗AI-Edge LSI 讓未來(lái)生活更便利”為主題，共同展示合作項(xiàng)目研究成果。
為提高邊緣計(jì)算處理器AI處理性能并減少系統(tǒng)功耗，Socionext成功開(kāi)發(fā)了一款集成有量化深度神經(jīng)網(wǎng)絡(luò)（DNN）技術(shù)的原型芯片，通過(guò)“YOLOv3”它能以不到5W的低功耗及30fps的速度實(shí)現(xiàn)了目標(biāo)檢測(cè)，其效率是通用GPU的10倍，可為小型、低功耗邊緣計(jì)算設(shè)備提供先進(jìn)的AI處理。
責(zé)任編輯：lq
聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。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(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
芯片
+關(guān)注
關(guān)注
459文章
52394瀏覽量
439157 -
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4812瀏覽量
103289 -
Socionext
+關(guān)注
關(guān)注
2文章
75瀏覽量
16924
原文標(biāo)題：云展會(huì) | Socionext助力日本NEDO亮相CEATEC 2020線上展會(huì)
文章出處：【微信號(hào)：Socionext，微信公眾號(hào)：Socionext】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系
BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系，以下是對(duì)它們之間關(guān)系的介紹： 一、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò)，即反向傳播
【飛凌嵌入式OK3576-C開(kāi)發(fā)板體驗(yàn)】RKNN神經(jīng)網(wǎng)絡(luò)算法開(kāi)發(fā)環(huán)境搭建
的軟件包管理系統(tǒng)和環(huán)境管理系統(tǒng)，主要用于安裝、更新、刪除軟件包及其依賴關(guān)系，并允許用戶在不同環(huán)境之間輕松切換。用于后續(xù)安裝Python等插件。在深度神經(jīng)算法中使用的頻率非常高的一款軟件。
3.2
發(fā)表于 10-10 09:28
FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用
隨著人工智能技術(shù)的飛速發(fā)展，深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network, DNN）作為其核心算法之一，在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域取得了顯著成果。然而，傳統(tǒng)的
深度神經(jīng)網(wǎng)絡(luò)模型量化的基本方法
深度神經(jīng)網(wǎng)絡(luò)模型量化是深度學(xué)習(xí)領(lǐng)域中的一種重要優(yōu)化技術(shù)，旨在通過(guò)減少模型參數(shù)的精度（即從高精度浮
殘差網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)嗎
殘差網(wǎng)絡(luò)（Residual Network，通常簡(jiǎn)稱為ResNet） 是深度神經(jīng)網(wǎng)絡(luò)的一種 ，其獨(dú)特的結(jié)構(gòu)設(shè)計(jì)在解決深層網(wǎng)絡(luò)訓(xùn)練中的梯度消失
pytorch中有神經(jīng)網(wǎng)絡(luò)模型嗎
處理、語(yǔ)音識(shí)別等領(lǐng)域取得了顯著的成果。PyTorch是一個(gè)開(kāi)源的深度學(xué)習(xí)框架，由Facebook的AI研究團(tuán)隊(duì)開(kāi)發(fā)。它以其易用性、靈活性和高效性而受到廣泛歡迎。在PyTorch中，有許
簡(jiǎn)單認(rèn)識(shí)深度神經(jīng)網(wǎng)絡(luò)
深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）作為機(jī)器學(xué)習(xí)領(lǐng)域中的一種重要技術(shù)，特別是在深度學(xué)習(xí)領(lǐng)域，已經(jīng)取得了顯著的
人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些
詳細(xì)介紹人工神經(jīng)網(wǎng)絡(luò)的分類，包括前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗
深度神經(jīng)網(wǎng)絡(luò)概述及其應(yīng)用
深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）作為機(jī)器學(xué)習(xí)的一種復(fù)雜形式，是廣義人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks, ANNs）的
深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別
在探討深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）與基本神經(jīng)網(wǎng)絡(luò)（通常指?jìng)鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò)）的區(qū)別時(shí)，我們需
深度神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法
深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）作為人工智能領(lǐng)域的重要技術(shù)之一，通過(guò)模擬人腦神經(jīng)元之間的連接，實(shí)現(xiàn)了對(duì)復(fù)
人工智能神經(jīng)網(wǎng)絡(luò)芯片的介紹
人工智能神經(jīng)網(wǎng)絡(luò)芯片是一類專門(mén)為深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)的處理器。它們具有高性能、低功耗、可擴(kuò)展等特點(diǎn)，廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、自然
神經(jīng)網(wǎng)絡(luò)芯片與傳統(tǒng)芯片的區(qū)別和聯(lián)系
應(yīng)運(yùn)而生，成為解決深度學(xué)習(xí)計(jì)算問(wèn)題的關(guān)鍵技術(shù)之一。本文將從多個(gè)角度探討神經(jīng)網(wǎng)絡(luò)芯片與傳統(tǒng)芯片的區(qū)
bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)嗎
BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）是一種常見(jiàn)的前饋神經(jīng)網(wǎng)絡(luò)，它使用反向傳播算法來(lái)訓(xùn)練網(wǎng)絡(luò)。雖然BP神經(jīng)網(wǎng)絡(luò)
cnn卷積神經(jīng)網(wǎng)絡(luò)分類有哪些
卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像分類、目標(biāo)檢測(cè)、語(yǔ)義分割等領(lǐng)域。本文將詳細(xì)介紹CNN在分類任務(wù)中的應(yīng)用，包括基本結(jié)構(gòu)、關(guān)鍵技術(shù)、常見(jiàn)
工商網(wǎng)監(jiān)
評(píng)論