透過您的圖書館登入
IP:216.73.216.209
  • 期刊

MLPerf Tiny人工智慧嵌入式裝置效能基準

摘要


近來人工智慧(AI)受到廣泛的研究與應用,從雲端伺服器、邊緣端伺服器、桌上型電腦、手機、嵌入式系統、IoT裝置等都可以看到AI的應用身影。由於AI的應用領域廣泛,如時間序列與預測、圖像處理、動態影像處理、語音處理、自然語言等,因此在應用需求下,如何使選用的AI的軟硬體平台達到最佳效能變成為一項非常重要的工作。隨著AI應用快速拓展,現有通用型處理器如AI運算加速器的種類繁多,如中央處理器(CPU)、繪圖加速器(GPU)在處理如深度學習神經網路等運算上的效能,無法滿足需求,或需額外新增人工運算指令架構支援,使得各種新的AI運算加速器架構正在源源不絕浮現。如向量處理器(VDSP)、張量處理器(TPU)、特用運算器(ASIC)等。為了支援各AI運算加速器,在軟體方面也有各式各樣的AI軟體框架,著名的如TensorFlow、CNTK、Theano、Caffe、Keras、Torch、Sci-kit Learn等等。基於上述,多樣化的AI硬體運算器與各式的軟體框架,AI系統效能評估基準需要包含硬體加速器效能與軟體系統效能,如此方能為AI系統應用之軟硬體系統平台整合效能進行合理與需求性的評估。

關鍵字

無資料

延伸閱讀