神经处理单元(NPU)的出现,对於机器学习领域产生了革命性的改变,它使得深度学习任务所需的复杂数学运算能够高效执行。透过最隹化矩阵乘法和卷积运算,NPU将AI 模型大幅扩展到各种领域,从高阶伺服器群到低阶电池供电装置皆适用。
微型机器学习(TinyML)专注於在资源受限的嵌入式装置上实现机器学习演算法,它的兴起进一步推展了AI 的界限。TinyML让数十亿的边缘装置具备 AI 能力,使它们能够在本地即时处理资料并做出决策,而且无需依赖云端连线或强大的运算资源。
图一 : 神经处理单元(NPU)使得深度学习任务所需的复杂数学运算能够高效执行。 |
|
以 NPU 为基础并结合新兴的微型机器学习领域,Ceva 推出Ceva-NeuPro-Nano。这款精巧高效的 NPU IP 是专为微型机器学习应用而精心设计,它能够在效能与耗电效率之间取得完美的平衡。Ceva-NeuPro-Nano 经过最隹化的独特架构,能够从头到尾完整执行微型机器学习应用,涵盖资料撷取、特徵萃取到模型推论,使其成为资源受限、电池供电装置的嵌入式系统,提供理想的AI本地解决方案。
...
...
另一名雇主 |
限られたニュース |
文章閱讀限制 |
出版品優惠 |
一般訪客 |
10/ごとに 30 日間 |
5//ごとに 30 日間 |
付费下载 |
VIP会员 |
无限制 |
20/ごとに 30 日間 |
付费下载 |