產業消息 Google 機器學習 tpu Google 將 TPU 加速器濃縮到邊際運算領域，推出 AIY Edge TPU 與開發板 Google 為了其 TensorFlow 機器學習框架，開發了專為其提升效率的 ASIC 晶片" TPU "，做為在進行 TensorFlow 等機器學習行為提供更有效率的運算，而 Google 也為了將 TPU 技術帶到邊際運算，在 Google Cloud Next 大會宣布兩款針對邊際運算的產物，為 AIY Edge TPU 以及基於這款晶片的兩款開發工具，將 Google 的 TPU 技術帶到邊際運算領域。 當然針對邊際運算不可能實現與 Google Cloud 資料中心同級的運算規模， AIY Edge TPU 是為了執行 TensorFlow Lite 的加速 Chevelle.fu 2 個月前
產業消息 機器視覺 fpga Movidius VPU ai人工智慧 Computex 2018 ： Intel 邊際運算戰略先鎖定視覺應用，藉 OpenVINO 工具套件提升推論效率 畢竟電子產業醞釀 AI 風暴，同時這股趨勢也從雲延燒到端，就連物聯網現在也開始探討邊際運算與 AI 應用，而 Intel 在 Computex 也針對邊際運算的視覺智慧舉辦說明會。 Intel 也不忘強調他們不僅是 AI 技術的領導廠商，同時從雲到 IoT 終端，提供包括 CPU 、 Movidius VPU 、 FPGA 等解決方案，從訓練到推理不同規模的應用，提供最佳效率的架構；而 Intel 看好視覺運算在邊際運算的潛力，鎖定如產線檢測、庫存管理、遠端廠房監控、智慧城市、公共安全等需使用機器視覺運算的領域，以相關的彙整與分析作為其視覺運算重點。 除了提供硬體方案外， Intel 也強調甫 Chevelle.fu 4 個月前
產業消息 AI intel xeon fpga 類神經網路 VPU 深度學習 deep learning Intel AIDC 開發大會主題演講，以軟體開源、多元硬體與社群作為 AI 戰略後盾 對於現在電子產業而言，由於硬體運算力提升、運算軟體框架不斷進化且市場有明確需求，基於神經網路的 AI 再度成為重要議題，而作為現行全球主要伺服器、超級電腦核心架構供應商的 Intel 當然也不會錯過這場盛會，鎖定 AI 相關開發者舉辦了 AIDC ( AI 開發者大會)，在稍早的主題演講，也就 Intel 目前的戰略進行說明。 Intel 的 AI 戰略可分為三大領域，包括軟體、硬體與社群；其中在社群方面， Intel 選擇藉由開源方式推廣相關開發軟體，而硬體部分除了 Intel 最核心的 Xeon 外，也針對當前異構運算、推理與學習加速器等提供全方位的硬體解決方案，至於社群除了與業界主力的 Chevelle.fu 4 個月前
產業消息 Google 網路開發年會 機器學習 tpu 深度學習 deep learning Google Cloud Google I/O 2018： Google 宣布第三世代深度學習加速器 TPU 3.0 ，達 100PFLOPS 且須動用水冷 Google 在今年 IO 大會的主軸繼續圍繞在 AI 應用層面，然而作為 AI 背後仍需要深度學習的伺服器作為基礎，先前 Google 已經針對其語法 TensorFlow 推出專屬加速架構 TPU ，而今年 IO 宣布最新的版本 TPU 3.0 ，性能宣稱達 100PFLOPS ，為 TPU 2.0 的八倍，但也因為倍增的性能， TPU 3.0 已經無法以風冷抑制發熱，需動用水冷作為冷卻機制。 目前 Google 並未針對 TPU 3.0 做更進一步說明，不過截至 TPU 2.0 ， TPU 仍須搭配 CPU 與 GPU 混合使用，同時以現階段深度學習框架而言， TPU 扮演的是針對 Te Chevelle.fu 5 個月前
科技應用 Google 人工智慧 Google Cloud Platform Google 雲端平台與機器學習為台灣老字號和明紡織挹注新氣象，縮減開發時程迎接產業挑戰 Google 在全球積極的推動人工智慧應用，而稍早也分享了台灣老字號和明紡織如何藉由 Google Cloud 平台與機器學習協助產業轉型，為高度人力密度的紡織產業帶來更高的效率，協助和明面對由快時尚、新興設計師品牌等產業變化帶來的挑戰：和明紡織是至今仍在台灣台南深耕的台灣老字號紡織公司，而在十年前和明就開始思索該如何因應數位轉型，以及數位化可謂傳統產業帶來哪些變革。 紡織產業至今仍是高度人力密集的產業，對於這項產業的重點就在於面料，為客戶需求提供合適的面料設計是相當重要的，和明目前在台北與台南共有三座存放布料的倉庫，但由於經年月累下來累積的面料設計相當多，要從大量的倉庫當中找到合乎客戶需求的 Chevelle.fu 7 個月前
科技應用 深度學習 deep learning 機器視覺應用 Google 盼以深度學習技術協助解決醫療資源不足與加速患者辨識 深度學習是目前人工智慧的機器學習中發展的顯學，而 Google 更是在這波發展中推波助瀾的強勢引導者，尤其透過 TensorFlow 演算法以及 AlphaGo 挑戰世界棋王，都讓更多人看到深度學習所帶來的人工智慧進化， Google 稍早也針對深度學習在醫療領域的應用展開講座。 Google 研究團隊產品經理彭浩怡一開始簡單介紹深度學習為何能成為人工智慧當中的機器學習的顯學，深度學習是基於上個世紀六零年代就提出的機械神經網路的進化，但是這項技術由於當初缺乏規模化架構以及運算力，直到 2012 年首度有開發者透過 GPU 加速，使得深度學習架構首度在 ImageNet 影像辨識挑戰發揮超越過往 Chevelle.fu 1 年前
新奇搞笑 生活 人工智慧 AlphaGo AlphaGo 2.0 柯潔 烏鎮圍棋峰會人機大戰第二局 柯潔確認二連敗 在5月25日由世界棋王柯潔與Google人工智慧系統AlphaGo 2.0進行的第二場對弈，確定再由AlphaGo 2.0取勝，在此次以三戰兩勝賽制情況下，柯潔已經確認落敗，但預計將在5月27日的最後一場對弈爭取勝棋機會。 在此次對弈過程裡，柯潔原本在開盤棋路表現穩定，但隨著時間進展過程則逐漸由AlphaGo 2.0佔上優勢，在約莫下午1點37分左右由柯潔投子認輸，使得AlphaGo 2.0獲得第二勝，同時也確認在此次以三戰兩勝的賽制中獲勝。 AlphaGo 2.0初期棋路表現與人類思路相近，但在陸續下子過程並未陷入柯潔所設圈套，反而以穩紮穩打形式讓柯潔產生失誤，進而讓柯潔投子認輸。 而在結束 Mash Yang 1 年前
產業消息 tensorflow gpu tensorflow r語言 Google IO 2017 ：讓行動終端也具備強大的深度學習能力， Google 推出 TensorFlow Lite 學習框架 Google 已經將公司的方針由 Mobile First 轉移到 AI First ，雖然目前 Google在雲服務已經大量導入 AI ，不過考慮到不是何時何地都會有順暢的網路體驗，能夠在終端裝置實現基於深度學習的人工智慧也很重要， Google 在稍早的 IO 大會也宣布針對行動裝置的 TensorFlow Lite 框架，讓智慧手機等裝置亦能藉由深度學習變得更聰明，預計能夠為行動裝置提升語音辨識、機器視覺以及 AR 使用體驗，同時 Google 也預告將在下一代的智慧手機晶片中具備更進階的深度學習能力。 雖然不知道 Google 指的下一代晶片具備更強的深度學習能力具體指的是甚麼，不過可 Chevelle.fu 1 年前
產業消息 Google 網路開發年會 tpu 深度學習 deep learning 深度學習 人工智慧 tensorflow gpu Google IO 2017 ： Cloud TPU 發表 ，除訓練外還具備邏輯推演能力 大幅強化深度學習效能 Google推出第二代TPU：Cloud TPU，強調在邏輯推演的效能加速上，能讓人工智慧學習時，降低對CPU與GPU的依賴。 Google 為了強化基於深度學習的人工智慧發展，在先前推出針對 TensorFlow 演算法的加速器 TPU ，以硬體加速的方式提升深度學習中訓練的效能，而今天 Google 在 IO 大會宣布推出第二世代的 TPU ，稱為 Cloud TPU ，相較前一世代是針對訓練部分進行硬體加速， Cloud TPU 進一步加入邏輯推演的加速。 過往邏輯推演的部分仰賴 CPU與 GPU的大量效能，可想而知的是 Google 希望藉由 Cloud TPU 導入邏輯推演的能力，進 Chevelle.fu 1 年前
新品資訊 NVIDIA GTC 深度學習 tpu 深度學習 deep learning nvidia volta 黃仁勳 GTC 2017 ： NVIDIA 為何在 Tesla V100 以及 Xavier 導入 TensorFlow 加速器 NVIDIA 在今年 GTC 大會，正式宣布首款基於 Volta 架構的 GPU 產品 Tesla V100，同時也針對去年所發表的新一代自動駕駛車平台 Xavier 進行技術規格更新，而此次兩個基於 Volta 架構的產品最大的特色就是在架構中導入針對深度學習框架 TensorFlow 的加速器，也不禁令人好奇為何需要在架構中融合加速器。 去年 Google已經宣布將針對 TensorFlow開發名為 TPU 的 ASIC 加速器，而 Tesla V100 的 Tensor Core 以及 Xavier 中的 Xavier DLA 也是類似的意義，皆是專為 TensorFlow 最佳化的硬體 Chevelle.fu 1 年前
