異型自動插件機在深度學(xué)習(xí)算法訓(xùn)練上非常高效
作者：wenwen
發(fā)布時間：2018-12-13
點擊數(shù)：
目前以深度學(xué)習(xí)為代表的異型自動插件機人工智能計算需求，主要采用GPU、FPGA等已有的適合并行計算的通用芯片來實現(xiàn)加速。異型自動插件機在產(chǎn)業(yè)應(yīng)用沒有大規(guī)模興起之時，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。但是，由于這類通用芯片設(shè)計初衷并非專門針對深度學(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)模的擴大，這類問題日益突顯。
GPU作為圖像處理器，設(shè)計初衷是為了應(yīng)對圖像處理中的大規(guī)模并行計算。因此，在應(yīng)用于深度學(xué)習(xí)算法時，有三個方面的局限性：
第一，應(yīng)用過程中無法充分發(fā)揮并行計算優(yōu)勢。異型自動插件機深度學(xué)習(xí)包含訓(xùn)練和推斷兩個計算環(huán)節(jié)，GPU在深度學(xué)習(xí)算法訓(xùn)練上非常高效，但對于單一輸入進行推斷的場合，并行度的優(yōu)勢不能完全發(fā)揮。
第二，無法靈活配置硬件結(jié)構(gòu)。異型自動插件機GPU采用SIMT計算模式，硬件結(jié)構(gòu)相對固定。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)，實際應(yīng)用中也存在諸多局限：第一，基本單元的計算能力有限。為了實現(xiàn)可重構(gòu)特性，F(xiàn)PGA內(nèi)部有大量極細粒度的基本單元，但是每個單元的計算能力(主要依靠LUT查找表)都遠遠低于異型自動插件機CPU和GPU中的ALU模塊；第二、計算資源占比相對較低。異型自動插件機為實現(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，速度和功耗相對專用定制芯片(ASIC)仍然存在不小差距；第四，異型自動插件機FPGA價格較為昂貴，在規(guī)模放量的情況下單塊FPGA的成本要遠高于專用定制芯片。
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，在制造異型自動插件機的企業(yè)當(dāng)中，佳永自動化科技有限公司擁有著成熟的技術(shù)團隊，同時自主研發(fā)了異型自動插件機，其中采用了多軸高速精密運動控制，多角度視覺系統(tǒng)標定，伺服/視覺精準協(xié)同控制實現(xiàn)8-12個取插頭電動夾持的力/位控制。在所有視覺系統(tǒng)均開啟的情況下，單個插件速度也僅需0.6秒，可全面實現(xiàn)了異形元件插裝標準化作業(yè)。
以上就是小編關(guān)于異型自動插件機在深度學(xué)習(xí)算法訓(xùn)練上非常高效的介紹，希望對大家有用哦！
責(zé)編：文文
