異型自動(dòng)插件機(jī)在深度學(xué)習(xí)算法訓(xùn)練上非常高效
作者：wenwen
發(fā)布時(shí)間：2018-12-13
點(diǎn)擊數(shù)：
目前以深度學(xué)習(xí)為代表的異型自動(dòng)插件機(jī)人工智能計(jì)算需求，主要采用GPU、FPGA等已有的適合并行計(jì)算的通用芯片來實(shí)現(xiàn)加速。異型自動(dòng)插件機(jī)在產(chǎn)業(yè)應(yīng)用沒有大規(guī)模興起之時(shí)，使用這類已有的通用芯片可以避免專門研發(fā)定制芯片（ASIC）的高投入和高風(fēng)險(xiǎn)。但是，由于這類通用芯片設(shè)計(jì)初衷并非專門針對(duì)深度學(xué)習(xí)，因而天然存在性能、功耗等方面的局限性。隨著人工智能應(yīng)用規(guī)模的擴(kuò)大，這類問題日益突顯。
GPU作為圖像處理器，設(shè)計(jì)初衷是為了應(yīng)對(duì)圖像處理中的大規(guī)模并行計(jì)算。因此，在應(yīng)用于深度學(xué)習(xí)算法時(shí)，有三個(gè)方面的局限性：
第一，應(yīng)用過程中無法充分發(fā)揮并行計(jì)算優(yōu)勢(shì)。異型自動(dòng)插件機(jī)深度學(xué)習(xí)包含訓(xùn)練和推斷兩個(gè)計(jì)算環(huán)節(jié)，GPU在深度學(xué)習(xí)算法訓(xùn)練上非常高效，但對(duì)于單一輸入進(jìn)行推斷的場(chǎng)合，并行度的優(yōu)勢(shì)不能完全發(fā)揮。
第二，無法靈活配置硬件結(jié)構(gòu)。異型自動(dòng)插件機(jī)GPU采用SIMT計(jì)算模式，硬件結(jié)構(gòu)相對(duì)固定。目前深度學(xué)習(xí)算法還未完全穩(wěn)定，若深度學(xué)習(xí)算法發(fā)生大的變化，GPU無法像FPGA一樣可以靈活的配制硬件結(jié)構(gòu)。
第三，運(yùn)行深度學(xué)習(xí)算法能效低于FPGA。
盡管FPGA倍受看好，甚至新一代百度大腦也是基于FPGA平臺(tái)研發(fā)，但其畢竟不是專門為了適用深度學(xué)習(xí)算法而研發(fā)，實(shí)際應(yīng)用中也存在諸多局限：第一，基本單元的計(jì)算能力有限。為了實(shí)現(xiàn)可重構(gòu)特性，F(xiàn)PGA內(nèi)部有大量極細(xì)粒度的基本單元，但是每個(gè)單元的計(jì)算能力(主要依靠LUT查找表)都遠(yuǎn)遠(yuǎn)低于異型自動(dòng)插件機(jī)CPU和GPU中的ALU模塊；第二、計(jì)算資源占比相對(duì)較低。異型自動(dòng)插件機(jī)為實(shí)現(xiàn)可重構(gòu)特性，F(xiàn)PGA內(nèi)部大量資源被用于可配置的片上路由與連線；第三，速度和功耗相對(duì)專用定制芯片(ASIC)仍然存在不小差距；第四，異型自動(dòng)插件機(jī)FPGA價(jià)格較為昂貴，在規(guī)模放量的情況下單塊FPGA的成本要遠(yuǎn)高于專用定制芯片。
所以越來越多的企業(yè)都開始采用自動(dòng)化設(shè)備來代替人工，從而降低生產(chǎn)成本，在制造異型自動(dòng)插件機(jī)的企業(yè)當(dāng)中，佳永自動(dòng)化科技有限公司擁有著成熟的技術(shù)團(tuán)隊(duì)，同時(shí)自主研發(fā)了異型自動(dòng)插件機(jī)，其中采用了多軸高速精密運(yùn)動(dòng)控制，多角度視覺系統(tǒng)標(biāo)定，伺服/視覺精準(zhǔn)協(xié)同控制實(shí)現(xiàn)8-12個(gè)取插頭電動(dòng)夾持的力/位控制。在所有視覺系統(tǒng)均開啟的情況下，單個(gè)插件速度也僅需0.6秒，可全面實(shí)現(xiàn)了異形元件插裝標(biāo)準(zhǔn)化作業(yè)。
以上就是小編關(guān)于異型自動(dòng)插件機(jī)在深度學(xué)習(xí)算法訓(xùn)練上非常高效的介紹，希望對(duì)大家有用哦！
責(zé)編：文文
