英特尔和百度达成合作,共同打造用于训练 AI 的 Nervana 神经网络处理器

栏目: 数据库 · 发布时间: 5年前

在今天的百度 AI 开发者大会上,百度和英特尔公布了 新的合作伙伴关系 ,双方将共同开发英特尔的用于 AI 训练的新 Nervana 神经网络处理器。正如其名,这个即将推出的芯片(简称 NNP-T)是专为训练神经网络的任务而构建的处理器,用于大规模进行深度学习。

百度和英特尔在 NNP-T 上的合作涉及硬件和软件方面,以确保其优化用于百度的 PaddlePaddle 深度学习框架,这将补充英特尔已经完成的现有工作,以确保 PaddlePad 设置为在其现有的 Intel Xeon Scalable 处理器上表现最佳。 NNP-T 优化将专注于 PaddlePaddle 的应用,专注于神经网络的分布式训练,以完成其他类型的 AI 应用。

英特尔的 Nervana 神经网络处理器阵容以其在 2016 年收购的 Nervana 命名,由前 Nervana 首席执行官 Naveen Rao 领导的英特尔 AI 团队开发。 NNP-T 是为培训 AI(摄取数据集和学习如何完成它应该做的工作)而量身定制的,而 NNP-I(今年 CES 上公布)专门用于推理(取得学习过程结果并投入行动,或实际完成它应该做的工作)。

NNP 于 2017 年首次亮相 ,第一代芯片目前被用作合作伙伴的软件开发原型和演示硬件,而新的所谓 “Spring Crest” 一代则定位于今年的生产可用性。


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

最优状态估计

最优状态估计

[美] D. 西蒙 / 张勇刚、李宁、奔粤阳 / 国防工业出版社 / 2013-5-1 / 68.00元

《最优状态估计——卡尔曼H∞及非线性滤波》共分为四个部分,全面介绍了最优状态估计的理论和方法。第1部分为基础知识,回顾了线性系统、概率论和随机过程相关知识,介绍了最小二乘法、维纳滤波、状态的统计特性随时间的传播过程。第2部分详细介绍了卡尔曼滤波及其等价形式,介绍了卡尔曼滤 波的扩展形式,包括相关噪声和有色噪声条件下的卡尔曼滤波、稳态滤波、衰减记忆滤波和带约束的卡尔 曼滤波等。第3部分详细介绍了H∞......一起来看看 《最优状态估计》 这本书的介绍吧!

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换

正则表达式在线测试
正则表达式在线测试

正则表达式在线测试