当前位置:主页 > bt365.com > 正文
如何支持移动AI的浮点计算?

[未来技术粉丝报告]如果你想在1月25日找到手机行业未来的技术主力,那么AI绝对值得。
制造商已经为实际的移动电话或虚拟移动电话开发了一系列人工智能硬件和软件解决方案,并且越来越关注移动电话的AI应用。
与此同时,人工智能正日益增加对理解和识别手机性能的限制。
例如,在评估许多AI手机硬件时,会积累许多神秘的技术术语和价值。
在具有一定功率的情况下,可以优化哪些功能,一般消费者,当然,许多程序员可能无法说出来。
例如,移动AI芯片的索引作为来自浮点计算能力的评估标准之一是不可分割的,即FLOPS(浮点计算点,每秒计算的浮点数)。手机性能。
那么浮点运算如何工作呢?
为什么评估移动AI性能的标准?
什么能帮助我们的生活?
它在雾中真的无法预测。
今天,我们将尝试以人性化的方式回答这些问题。通过浮点计算这个小切口,并在手机的AI技术地图中查看冰山一角。
什么是浮点计算?
首先,我们需要解释什么是浮点计算。
一般来说,它是一种科学的符号,可以普遍代表所有数字。
表达式为0。
***** 10 ^ ***,小数点前面是一个固定点,后跟一个固定点整数(10到N次幂)。
例如,传统的1024整数浮点数表示为0。
102410 ^ 4。
浮点数可以表示任意整数和小数,并且不难发现它们比普通格式计数方法更长。结果,计算的难度和精度也增加了。
使用浮点数的操作是浮点运算。
浮点运算有多重要?
假设所有当前的计算机处理器都使用浮点运算,并且移动电话的AI芯片也依赖于浮点计算的能力。
这个计算能力包含哪些能量?
如何取代定点计算的成功?
天堂之子:浮点计算的历史
为了理解浮点运算的应用价值,我们需要追溯这种计算方法的来源。
莱昂纳多和中点。Torres和Quiveto在1914年提出了第一次使用浮点运算作为计算机处理引擎的概念。
直到1938年,第一台具有二进制浮点数的Z1计算机正式诞生。
1942年,出现了第一台带有浮点硬件设备的Z4计算机。
1946年,贝尔实验室推出的MarkV能够实现十进制浮点运算。
具有浮点硬件的科学计算机在未来几十年内开始起飞。
1985年,IEEE 754浮点计算标准问世。
1989年,英特尔i486的发布正式奠定了计算机史上浮点计算的基础。它现在被用作个人计算机的标准功能。处理器浮点计算能力也成为评估芯片性能的重要指标。硬件制造技术的持续改进。
在人工智能时代,由于机器学习在计算机和移动电话的硬件方面的普及,浮点计算有了新的用途。
具有AI功能的几款手机芯片,如Apple A11,华为麒麟系列,高通845,谷歌PVC等,都使用浮点运算作为基本计算单元。
未来,浮点计算将开发更多的AI功能,预计将直接影响移动AI的开发过程和感官体验。
那么为什么浮点计算对AI任务更方便呢?
我害怕从你的特殊能力开始。焦不离婚:为什么移动AI与浮点运算不可分割?
浮点算法是移动AI芯片的标准的原因与新计算要求和传统硬件之间的矛盾没有区别。
AI任务主要由模仿神经网络的机器学习算法执行,可以看出需要更多的计算能力和能量效率来支持大规模矩阵运算。
传统CPU的算术逻辑是执行多组操作,调整整个系统,同时从不同部分推动系统工作,与通才一样。
考虑到如此大而独特的重复性高并发任务指令作为神经网络,加载有点困难。
因此,具有高浮点计算能力的GPU取代了CPU,成为AI芯片的首选。
其次,AI手机芯片不仅需要更快地处理数据,还确保它在使用中变得不可移动,以及众多的多媒体技术应用,以及更好的表现我们支持。手机屏幕显示固定小数点计算能力不足,只能使用更长,更准确的数字给浮点运算。
总之,最深的学习任务,最高的计算能力要求,最高的计算精度以及硬件本身的重复更新促使组合浮点算法成为移动IA性能的重要指标。。开放差距:浮点运算之间的区别在哪里?
市场上的AI芯片具有浮点计算能力,但最终结果却不同。
其他一些AI手机可以将它带到X跳过它,而其他人则在很久以前处理简单的识别任务。
它们之间的浮点计算能力有什么不同?
总之,评估AI芯片的计算能力有三个主要指标。
1
性能
AI任务的处理必须与大规模并行计算兼容,并且返回率直接决定了芯片的计算速度。
这就像一根水管。直径越大,同时流动的水越多。
2
拍击声
换句话说,它是每秒执行的浮点运算的数量。
您可以将其转换为特定数量的浮点运算来测量返回率。
原则上,FLOPS越高,它增加了单位时间内处理的数据量,提高了显示的图像的数量,导致更详细的图像。
3
准确性
那么检查FLOPS的值来确定性能是否正确?
没有
浮点数也根据精度分为几种类型,以满足各种计算需求,如简单精度,双精度,扩展双精度等。
根据任务场景,成本管理,产品线定位等设计和应用精度。比较经常在不同的方面丢失。
例如,NVIDIA阻止了geforce产品线的大多数双精度单元,但特斯拉产品线上的所有产品都是开放的。
通常,浮点性能对于3D图形处理和大型并行任务的性能很重要。
但是,对手机性能的影响将取决于硬件设计,处理效率,数据准确性等综合工作。
从理论到应用:浮点运算可以为用户带来什么
我已经说了很多技术问题,但不难发现浮点运算能力不能简单地通过观察值来判断。
对于大多数人来说,可能根本不考虑复杂的技术概念和参数表。
消费者可以感知的是功能的真正含义和真正的价值。
那么浮点运算最终会给IA带来什么?
它主要体现在三个方面。
第一件事是带来视觉体验的新更新。照片的识别,美容,虚拟现实,面部识别的视频,如果不谈人工视觉应用程序,如游戏的渲染,今天的移动电话的新产品的演奏,你不配成为AI的手机。
这些功能的实现离不开算术运算的图像处理能力和浮点质量。
另一个变化是终端计算能力的浮点运算。这可以减少AI任务对云计算的过度依赖。神经计算,我们将能够解决电脑的延迟问题,所以手机会实时处理的AI任务,你可以更好地工作,而在另一方面,用户处理所有信息无需在云中加载,安全性更加安全。
最大的价值在于提高浮点计算的能力对手机释放更多人工智能的想象力也很有用。
浮点本身的计算速度比定点操作慢。如果容量不是很好,考虑到计算能力需求和卷积神经网络,它不会工作,操作不仅速度慢,而且需要大量的能量。
慢慢消耗能源,为具有各种人工智能功能的手机充电无疑是一场灾难。
幸运的是,移动芯片的浮动芯片计算能力的不断提高正在混淆移动电话的计算能力。例如,新的TPU可以在计算神经网络时实现高计算性能,而能量消耗和物理空间很小。
当计算能力不再成为问题时,移动AI应用程序开发的活力就完全释放了。手机端可以产生更多的想法,而普通用户可以感知的AI功能变得越来越自然。
未来脑洞:通过浮点计算编写的手机功能
在这里,您可能希望在大脑中钻一个洞并提高浮点计算的能力。手机的AI应用程序会导致高速通道?
目前,至少在以下三个方面存在无限可能性。
1
以流方式处理数据
浮点计算能力直接影响处理器多媒体处理和3D图形处理,因此改变了多种多媒体技术应用的体验。
例如,最终执行诸如面部识别,肖像分割,视频样式,虚拟现实和其他技术的实时大规模数据计算功能。更大的耦合和有趣的东西(animoji,虚拟锚等)也在从理论变为理论,实际上,与视频,现场传输,摄影和其他功能,新的功能亮点它正在创造。
2
承认
的AI功能,识别文本(翻译)的,图像(照片),产品(购买),情感(交互)手机的另一个特点,是认识和决策能力,比如一个场景(现役)。等等
浮点算术功能的进一步改进将使移动电话上的智能和个性化用户能够从工具发展为真正的智能伴侣。
3
物联网此外,越来越多的智能硬件进入AI交互模式。如果移动电话计算机的传输效率被破坏,它被用作许多物联网设备的大脑中心,允许在移动电话周围进行智能硬件交互。
使用移动电话来操作和管理智能家电,无人驾驶车辆和商品互联网设备为行业创造了新的价值。
一般而言,浮点计算的进一步发展,即移动电话的核心变化,意味着AI任务所需的大规模并行计算不再是问题。
模糊的计算能力为制造商和开发人员的想象创造了新的场景。成功使用此奖励,创建新应用程序和释放大脑以提出未知功能可能是每个玩家在竞争中打开差距的重要机会。
我给了你的不仅仅是…&Hellip;
当然,即使我们专注于浮点计算的力量,我们也不能忽视当前的情况。浮点运算只是移动AI基本功能的一个要素。
通过结合处理器的功能,内存,算法优缺点,操作系统,应用程序开发和其他因素来确定移动电话的AI输出容量。
因此,对于手机制造商而言,除了提高单点性能,同时同时实施生产力,开发者生态和市场教育外,移动应用AI最终还是完成了计算启用供电以改善移动硬件和软件的实际版本使其成为真实和敏感用户体验和工业价值的增长点。
此时,用户不再需要担心复杂的数值或技术术语,并且可以直接感受到各种手机体验之间的巨大差异。
从这个角度来看,隐藏在浮点计算背后不仅是人工智能的真正价值,也是移动电话行业的新起点。

上一篇:我明白了...... ......   下一篇:异辛基氯氟化物
热门搜索: