Jos halutaan tehdä esimerkiksi hahmontunnistusta, joudutaan se tyypillisesti tekemään grafiikkaprosessorilla. Tekoälymallit vaativat sen verran laskentaa, ettei tavallisella CPU-prosessorilla kannata sitä tehdä. Nyt CPU ottaa tätä grafiikkaprosessorien etumatkaa kiinni.
Asialla on Deci- Se on esitellyt joukon kuvien luokitteluun pystyviä DeciNets-hermoverkkoja, jotka tunnistavat hahmoja kaksi kertaluokkaa pienemmällä laskentateholla kuin tyypilliset NAS-mallit (Neural Architecture Search). Tästä huolimatta tunnistus tapahtuu samalla tarkkuudella, Deci vakuuttaa.
Miksi tämä on tärkeää? Neuroverkkoihin perustuvaa päättelyä voidaan tehdä perinteisellä mikroprosessorilla, mutta syväoppimisverkkojen prosessointi on tyypillisesti 3-10 kertaa hitaampaa kuin GPU-piireillä. Tämän takia hahmontunnistusta tarvitsevat ovat joutuneet valitsemaan GPU-prosessorin, mikä nostaa järjestelmän hintaa ja tehonkulutusta.
DeciNets kuroo merkittävästi umpeen CPU-piirien alempaa AI-suorituskykyä. Käytännössä AI-mallien perusteella ei voitu tehdä päättelyitä CPU:lla, koska prosessit söivät liikaa resursseja Decin mukaan DeciNets-mallit kaventavat suorituskykyeron noin puoleen. Tarkkuus on samaa luokkaa.
Deci vertasi CPU:lla ajettavia DeciNets-malleja Nvidian T4 -grafiikkaprosessorilla tehtyihin luokitteluihin. Vaikka GPU on yhä selvästi tehokkaampi tekoälyprosessointiin, ero on nyt selvästi pienempi. Tämä tarkoittaa, että joissakin sovelluksissa koneoppimismalleja kannattaa ajaa suoraan laitteen CPU-prosessorilla.
Lisätietoja täällä.
Analog Devices päätti jokin aika sitten lopettaa yhteistyön englantilaisen jakelijan Anglia Componentsin kanssa. Tässä ei ole sinänsä mitään ihmeellistä, mutta Anglia suivaantui tästä niin paljon, että tuli julkisuuteen asian kanssa. Toimitusjohtaja Steve Rawlinsin mukaan ADI:n päätös rajoittaa asiakkaiden valinnanvaraa.
Tulevaisuuden autot nojaavat yhä tiukemmin nopeaan datansiirtoon. Tämän dataväylän pitää perustua standardiin. Sellainen on PCIe-väylä, kertoo Microchip.