ylbtech-AI-Info-Micron:用内存解决方案演化神经网络智能
1.返回顶部
1、

用内存解决方案演化神经网络智能

我们的大脑每天会进行数千次极其复杂的操作。无论是提醒我们小心被炉子烫到还是识别文件中的数字和字母,我们的植物性神经系统都能比任何现有的计算机系统更有效地管理复杂的功能。计算机系统可能永远不会达到人脑水平,但神经网络的出现正在缩小两者之间的差距通过模仿神经元的连接, 神经网络的人工智能水平可以迈上崭新的台阶

神经网络模仿人类神经元簇

对于像人类大脑一样运作的神经网络,为了采取行动,快速分析环境和识别语境线索是必要的。想象一下,机器人要做到人类消防员可以做到的事情有多难 - 在紧急情况下与第一响应者交互的同时,还要扑灭火灾或清除碎片场。最重要的是,想象机器人打开门、关闭燃气阀,并使用灭火器。似乎几乎不可能做到像人类一样轻松地执行这些任务 - 或者至少是较为顺利和全面地执行这些任务 - 但是使用神经网络技术,这种不可能却能成为现实。

需要对执行这些类型操作的机器进行训练和编程,以接收数据,并通过从一个决策算法移动到下一个来处理该数据,直到得出结论。这一连串决策算法称为输入层。输入层的汇编构成了一个神经网络,恰当地以组成人类大脑的神经元命名。这些神经网络受到我们大脑中常见的神经元簇结构的启发,这些结构作为一系列层运行,解释环境刺激。

为了使机器人的思考过程更接近人类大脑,研究人员正在深入研究大脑、绘制神经元,并寻找优化计算机化神经网络的方法,以完成复杂任务。

在大脑中,激活的电信号通过多个特征检测层校对每次的消息以激活正确的神经元做出响应。这使我们能够识别物理世界的形状、模式和特征,并做出相应的响应。这个过程需要几毫秒的时间 - 识别几乎瞬间完成

将其与计算机化神经网络的运行方式进行比较。神经网络从摄像机、雷达、激光雷达、陀螺仪和加速度计等电子接受器获得感知数据,并通过其输入层过滤它们,即一系列模拟人类神经功能的算法代码。排序、缩放收集的数据,并在数据经过每个神经层时,通过一系列决策算法发送结果。一旦到达输出层,就会做出模仿人类反应和行动过程的最终决定。

在计算机化神经网络中,微观决策和感知数据校对发生的速度接近人类大脑处理特定任务的速度。神经网络仍难以处理更复杂的、需要语境线索和细节的决策;人类当然有优势。随着数据在神经网络中传输速度的增加,并且决策层变得越复杂,神经网络在未来达到人类大脑的效率离我们也越来越近。

内存让神经网络做出自己的决定

速度提高取决于数据存储,以及以令人难以置信的带宽访问数据的能力,以便 AI 算法可以对其进行排序。这个过程需要像美光的 GDDR6 技术那样的高速内存,这有助于这些计算机化的神经网络尽快做出决策。

美光的云细分市场客户计划经理 Gregg Wolf 是关于内存如何实现快速神经网络方面的专家,他认为在未来其长期影响是光明的。Wolff 解释了神经网络领域的重大意义。“…… AI 神经网络的意义好比上个世纪之交的电气革命。AI 正如电力一样,将彻底改变某些行业处理和使用其信息的方式。”

神经网络的决策算法需要大量的数学过程和数据分析,这两者都提高了对内存速度和内存容量的需求

这在超大规模数据中心的云中尤其重要,美光 GDDR 设备在基于 GPU 的大数据处理中发挥关键作用;美光的 DRAM 和 SSD 产品组合可以加速整个数据流。

有大量数据流入数据中心,人类很难处理和定义所有功能、所有代码,以及往返传递所有数据,”Wolff 说。

许多信息可以通过神经网络和配置了高性能硬件的可扩展神经网络流动这使得人们可以尽可能接近实时地从信息中提取价值。”

就像大脑读取身体发出的许多信号一样,比如识别手上发出的表明烤箱很热的信号,神经网络可以从相机读取大量数据点,并准确注解机器人必须清扫的位置。

GDDR5 和 GDDR6 将神经网络提升到新的水平

如果想提高大脑的速度,你需要改善回忆记忆的能力 - 有不计其数的应用程序、数独工作簿,以及其他工具可供想要提高自己反应速度的人使用。类似地,神经网络能力随着处理性能而变化。美光推动性能发展,不断开发越来越快的 DRAM、NAND 闪存和 GDDR 设备。GDDR5 和 GDDR6 是神经网络中所用基于 GPU 的图形卡的首选技术。GDDR6 将性能提升到更高的水平,内存带宽最高可达 GDDR5 的两倍。截至 2018 年 6 月,已经开始大规模生产这种高效、功能强大的内存,用于高性能应用。

“随时间推移,每个人都会尝试找到合适的硬件,而内存是这个过程中非常重要的一部分,”Wolff 解释道。

“美光致力于寻找能够满足神经网络训练和推理部署所需超高带宽的增值解决方案。”

未来属于神经网络;随着计算机越来越像人类,它们将以高速度和高效率形成我们生活中的基础智能结构。美光将一直推动这场革命,支持善用这些网络,例如匹配第一响应者的技能、识别地面上的碎片或建筑物中的火灾。随着我们将计算机系统的功能扩展到新的高度并突破创新的界限,我们应该记住,这些进步是人类大脑的绝对力量和设计的结果。

2、
2.返回顶部
 
3.返回顶部
 
4.返回顶部
 
5.返回顶部
1、
2、
 
6.返回顶部
 
作者:ylbtech
出处:http://ylbtech.cnblogs.com/
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。

AI-Info-Micron:用内存解决方案演化神经网络智能的更多相关文章

  1. AI之旅(6):神经网络之前向传播

    前置知识   求导 知识地图   回想线性回归和逻辑回归,一个算法的核心其实只包含两部分:代价和梯度.对于神经网络而言,是通过前向传播求代价,反向传播求梯度.本文介绍其中第一部分. 多元分类:符号转换 ...

  2. AI、机器学习、深度学习、神经网络

    1.AI:人工智能(Artificial Intelligence) 2.机器学习:(Machine Learning, ML) 3.深度学习:Deep Learning 人工功能的实现是让机器自己学 ...

  3. DeepLearning.ai学习笔记(四)卷积神经网络 -- week1 卷积神经网络基础知识介绍

    一.计算机视觉 如图示,之前课程中介绍的都是64* 64 3的图像,而一旦图像质量增加,例如变成1000 1000 * 3的时候那么此时的神经网络的计算量会巨大,显然这不现实.所以需要引入其他的方法来 ...

  4. DeepLearning.ai学习笔记(四)卷积神经网络 -- week2深度卷积神经网络 实例探究

    一.为什么要进行实例探究? 通过他人的实例可以更好的理解如何构建卷积神经网络,本周课程主要会介绍如下网络 LeNet-5 AlexNet VGG ResNet (有152层) Inception 二. ...

  5. DeepLearning.ai学习笔记(四)卷积神经网络 -- week3 目标检测

    一.目标定位 这一小节视频主要介绍了我们在实现目标定位时标签该如何定义. 上图左下角给出了损失函数的计算公式(这里使用的是平方差) 如图示,加入我们需要定位出图像中是否有pedestrian,car, ...

  6. DeepLearning.ai学习笔记(四)卷积神经网络 -- week4 特殊应用:人力脸识别和神经风格转换

    一.什么是人脸识别 老实说这一节中的人脸识别技术的演示的确很牛bi,但是演技好尴尬,233333 啥是人脸识别就不用介绍了,下面笔记会介绍如何实现人脸识别. 二.One-shot(一次)学习 假设我们 ...

  7. AI之旅(7):神经网络之反向传播

    前置知识   求导 知识地图   神经网络算法是通过前向传播求代价,反向传播求梯度.在上一篇中介绍了神经网络的组织结构,逻辑关系和代价函数.本篇将介绍如何求代价函数的偏导数(梯度). 梯度检测   在 ...

  8. php的内存分配还是很智能的

    <?php echo memory_get_usage().PHP_EOL;$a = 1;$b = $a;echo memory_get_usage().PHP_EOL; <?php ec ...

  9. 基于百度ai,图灵机器人,Flask 实现的网站语音智能问答

    准备以下模块中的函数 from aip import AipSpeech import time import os import requests APP_ID = '15420654' API_K ...

随机推荐

  1. VS2013漂亮字体

    使用字体:Fixedsys Excelsior 3.011.首先下载字体:http://www.fixedsysexcelsior.com/ 2.安装字体:控制面板 -> 字体,复制下载的文件进 ...

  2. 记一次吐血的暴力模拟qaq 【多项式输出】

    题目描述 一元 n 次多项式可用如下的表达式表示: 其中,aixi称为 i 次项,ai 称为 i 次项的系数.给出一个一元多项式各项的次数和系数,请按照如下规定的格式要求输出该多项式: 1. 多项式中 ...

  3. 关于C# 委托(delegate)与事件(event)的用法及事例

    C#中的委托和事件对于新手可能会有一点难理解,所以先从一个小例子入手,以便能更好的理解其如何使用.有一个学生每天定闹钟在早上6点起床,所以当每天早上6点的时候,闹钟就会响起来,从而学生才会按时起床. ...

  4. Windbg 脚本命令简介 二, Windbg command

    Windbg  脚本命令简介 二, Windbg  script command $<, $><, $$<, $$><, $$>a< (Run Scri ...

  5. JavaMail获取已发送邮件

    public static void main(String args[]) { Properties props = new Properties(); // 参数配置 props.setPrope ...

  6. maven 程序包com.sun.image.codec.jpeg

    在 Pom.xml 增加 <build> <plugins> <plugin> <artifactId>maven-compiler-plugin< ...

  7. Spring入门(四)— 整合Struts和Hibernate

    一.Spring整合Struts 1. 初步整合 只要在项目里面体现spring和 strut即可,不做任何的优化. struts 环境搭建 创建action public class UserAct ...

  8. PHP处理时间格式

    1. 把‘2016-06-16’格式转换成‘20160616’ <?php header("Content-type: text/html; charset=utf-8"); ...

  9. C#语言数据类型

    整数类型 sbyte   -128~127之间 byte   0~255 short(Int16) -32768~32768 ushort(UInt16)  0~65535 Int (Int32)   ...

  10. LOJ6066:「2017 山东一轮集训 Day3」第二题

    传送门 二分答案 \(k\),考虑如何 \(hash\) 使得做起来方便 把每个点挂在 \(k+1\) 级祖先上,考虑在祖先上删除 这道题巧妙在于其可以对于 \(dfs\) 序/括号序列 \(hash ...