Global Sources
電子工程專輯
 
電子工程專輯 > 感測器/MEMS
 
 
感測器/MEMS  

深度學習將改寫SoC設計?

上網時間: 2015年05月05日     打印版  Bookmark and Share  字型大小:  

關鍵字:深度學習  SoC  嵌入式視覺  卷積神經網路  CNN 

然而,在深度學習架構中,你可以將所有的步驟整合於一,他解釋說:“你不需要做出決定,因為深度學習將會為你做決定。”

換言之,正如Bier總結的那樣:“傳統的電腦視覺在物體辨識上採用非常程序性的途徑,但深度學習則大不相同,因為你不需要再告訴電腦需要看什麼。”

Bier將這一過程描述為兩階段法。學習和訓練過程先在專用設施完成,例如利用資料中心的超級電腦。然後,將第一階段中的大量資料集轉為‘設定’和‘協同效率’應用到嵌入式系統中。

請點選圖片連結觀看視訊
請點選圖片連結觀看視訊

用於神經網路的SoC最佳化?

以嵌入式視覺SoC來看,目前還沒有就最佳的CNN架構達成共識。

Cognivue和渥太華大學的Laganiere認為,大規模的平行架構是有效處理CNN的必要方式。在平行處理中,某一影像採用特定參數可產生另一幅影像,而在該影像上施加另一個濾波時,即產生另一幅影像。Laganiere說:“因此,在SoC中你需要更多的本地記憶體來儲存中介的結果。”

遺憾的是在一個大型CNN中,最後可能會出現幾百萬種參數。他解釋說,“好消息是我們已經有了簡化這一過程的方法,能夠移除一些不必要的連接。”然而,在處理CNN的不同節點上仍然存在挑戰,你無法預先決定要將那個節點連接到那個節點。“這就是為什麼你需要一個可編程的設計架構,而不能透過硬體連接這些節點。”

同時,Bier說,在為CNN設計處理器時,“你可以用簡單且統一的架構。”而不是設計一個不同的SoC架構,然後在每次出現新演算法時再進行一次最佳化;CNN處理器只需要一些附帶較少變數的簡單演算法。他解釋說:“話句話說,你可以減少神經網路處理器的可編程性,只要我們知道正確的設定方法和輸入係數。但很多公司都還沒準備好這樣做,因為這些事還在發展中。”

為了實現視覺SoC的CNN應用,晶片供應商用盡了從CPU、GPU到FPGA和DSP的一切。因此,Bier認為有關CNN架構的爭論才剛剛開始。

無疑地,儘管深度學習預示著嵌入式視覺SoC的未來,Bier表示,像Mobileye等主要的視覺晶片供應商已經積累了大量基於視覺的汽車安全專業知識,所以, “儘管在未來的競爭激烈,Mobileye仍具有先發制人的優勢。”

吳韌並強調將深度學習導入到嵌入式系統的重要性。但在談到智慧型手機和可穿戴式裝置導入深度學習將面臨的挑戰時,他總結出三個要點:

首先,“我們仍在尋找殺手級的應用”,他以MP3為例表示,當業界開發出MP3時,人們知道這玩意兒是做什麼用的,因此開發SoC時也較簡單。儘管在裝置上導入深度學習聽起來不錯,但最佳應用是什麼?目前還沒人能回答。

其次,“深度學習需要一個生態系統,”他強調,研究機構和企業之間的合作至關重要,而且非常有幫助。

最後,“我們還得讓更小的裝置具備深度學習的能力,”吳韌表示,使其得以實現高性能與低功耗才是關鍵。

(參考原文:How Will Deep Learning Change SoCs?,by R. Colin Johnson)


 First Page Previous Page 1 • 2 • 3



投票數:   加入我的最愛
我來評論 - 深度學習將改寫SoC設計?
評論:  
*  您還能輸入[0]個字
*驗證碼:
 
論壇熱門主題 熱門下載
 •   將邁入40歲的你...存款多少了  •  深入電容觸控技術就從這個問題開始
 •  我有一個數位電源的專利...  •  磷酸鋰鐵電池一問
 •   關於設備商公司的工程師(廠商)薪資前景  •  計算諧振轉換器的同步整流MOSFET功耗損失
 •   Touch sensor & MEMS controller  •  針對智慧電表PLC通訊應用的線路驅動器
 •   下週 深圳 llC 2012 關於PCB免費工具的研討會  •  邏輯閘的應用


EE人生人氣排行
 
返回頁首