最新 | 熱門
是NVIDIA 闡述人工智慧技術： AI 已是進行式、 GPU 是具高度彈性且全面的 ASIC這篇文章的首圖
NVIDIA 闡述人工智慧技術： AI 已是進行式、 GPU 是具高度彈性且全面的 ASIC
雖然 NVIDIA 即將在十月下旬舉辦 GTC 台灣場次，不過稍早台灣 NVIDIA 仍請來解決方案架構育工程部門副總 Marc Hamilton 針對目前 NVIDIA 在人工智慧相關領域的技術發展與現狀進行簡介； NVIDIA 是以 GPU 技術為發展基礎的晶片商，是如何與人工智慧熱潮產生關連的？關鍵在於 NVIDIA 在相當早就開始發展 GPU 運算，而透過 GPU 運算技術發展日趨成熟， NVIDIA 耕耘已久的 CUDA 核心技術也廣被業界導入，成為當前新一代基於機械神經網路的深度學習基礎。 不過現在在深度學習與人工智慧領域，也有不少廠商推出基於 FPGA 或是專用加速器的解決方案，
Chevelle.fu
7 年前
是 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這篇文章的首圖
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
7 年前
是高通開發者網路開始提供 Snapdragon 神經處理引擎，強調為針對 Snapdragon 打造的深度學習框架這篇文章的首圖
高通開發者網路開始提供 Snapdragon 神經處理引擎，強調為針對 Snapdragon 打造的深度學習框架
高通宣布在高通開發者網路開始提供 Qualcomm Snapdragon神經處理引擎 SDK ( NPE )，作為針對 Snapdragon 平台打造的深度學習框架，這套開發工具能夠針對目標的使用者體驗挑選最合適的 Snapdragon 核心，包括 Kryo CPU 、 Adreno GPU 或是 Hexagon DSP 等。 NPE 希望能夠使包括行動裝置、車載、醫療、安全、影像等各種應用情境提供良好的深度學習開發工具，能夠做為包括擴增實境、場景辨識、臉部辨識、自然語言了解、物體追蹤與迴避、手勢辨識、文字辨識等；目前像是 Facebook 也宣布將在 facebook app 相機導入 NP
Chevelle.fu
7 年前
是麗臺科技宣布與無敵科技合作，將打造基於 NVIDIA 的 GPU 深度學習解決方案這篇文章的首圖
麗臺科技宣布與無敵科技合作，將打造基於 NVIDIA 的 GPU 深度學習解決方案
NVIDIA 亞太區專業繪圖產品的代理商麗臺科技宣布與隸屬英業達集團的無敵科技合作，將共同打造基於 GPU 的深度學習解決方案，包括深度學習、雲端服務與桌面虛擬化等應用項目，麗臺將提供基於 NVIDIA的深度學習系統解決方案，搭配無敵科技的機房建設與雲平台技術，並協助無敵科技拓展亞太區市場。
Chevelle.fu
7 年前
是在這個 AI 技術還沒定論的時代，為何 NVIDIA 能登高一呼萬眾矚目這篇文章的首圖
在這個 AI 技術還沒定論的時代，為何 NVIDIA 能登高一呼萬眾矚目
最近在一群探討技術的朋友當中最熱門的話題就是” NVIDIA ”憑甚麼，在前幾年歷經 GPU 架構設計不如預期、跨入手機平板裝置後又淡出，卻同時也成功進軍車載，且在短短時間內執行長黃仁勳還被外界喻為 AI 教父，這一兩年只要談到 AI 幾乎都不會少談到 NVIDIA ，但對極早就投入 AI 相關技術的企業來說，看到 NVIDIA 如此風光，當然心底不是滋味。 AI 並不是一個全新的概念，在有電腦之後一直以不同的名詞出現在科技發展史中，從最早的 AI 人工智慧，到前幾年的大數據分析，演進到最近的機器學習/深度學習，指的都是 AI 在不同時代的發展型態。 AI 技術之所能突
Chevelle.fu
7 年前
是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這篇文章的首圖
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
7 年前
是GTC 2017 ： NVIDIA 為何在 Tesla V100 以及 Xavier 導入 TensorFlow 加速器這篇文章的首圖
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
7 年前
是GTC 2017 ： NVIDIA 主題演講引領 AI 革命，基於 Volta 架構的 Tesla V100 登場、 Xavier 將具備深度學習加速器這篇文章的首圖
GTC 2017 ： NVIDIA 主題演講引領 AI 革命，基於 Volta 架構的 Tesla V100 登場、 Xavier 將具備深度學習加速器
在今年 NVIDIA GTC 大會的主題演講， NVIDIA 執行長黃仁勳一開始就談到後摩爾定律時代的革新，現在單線程效能的提升已經逐漸趨緩，而能夠在此世代引領革新的關鍵，可說是基於 GPU 的偕同運算，而在近五年更可看到整個業界對於機於 CUDA 的偕同運算技術獲得重視， GTC 與會人員與 CUDA 開發者亦大幅增長。 基於照片仿真與 VR 的多人 VR 應用 Project Holodeck 在今年 GTC 所宣布的第一項新技術，是稱為 Project Holodeck 的 VR 虛擬協作應用，結合 VR 與照片仿真技術，讓四個使用者可在同一環境檢視以照片仿真繪製的工業產品以及 3D 內
Chevelle.fu
7 年前
是GTC 2017 ：精確分析影片影像元素， Viscovery 創意引晴讓廣告更吸引消費者這篇文章的首圖
GTC 2017 ：精確分析影片影像元素， Viscovery 創意引晴讓廣告更吸引消費者
廣告是作為獲利不可或缺的要素，但是不合宜的廣告插播不僅不能吸引消費者注意，同時還可能讓消費者反感，尤其在近年影音內容由電視轉向網路串流，也更需要有效率的投放相關，而來自台灣的 Viscovery 創意引晴正是一家能夠針對影像進行內容物件分析，並藉此找尋合適廣告的創新公司。 目前多數網路廣告的投放皆是以文字作為基礎的方式進行分析與投放，但擁有大量元素的影片內容畢竟不是文字，故早期影音內容的廣告投放仰賴於人工投放，除了效率不高外，也容易出現亂槍打鳥的情況，而 Viscovery 就是看準機於影像分析可結合廣告投放的機會，投入影像內容分析應用領域。 Viscovery 成立於 2013 年，其英文名
Chevelle.fu
7 年前
是GTC 2017 ：鎖定智慧城市與安全， NVIDIA 發表 Metropolis 影像分析平台這篇文章的首圖
GTC 2017 ：鎖定智慧城市與安全， NVIDIA 發表 Metropolis 影像分析平台
NVIDIA 稍早宣布針對從端到末的影像分析平台 Metropolis ，這項平台是一項結合 NVIDIA 自 Jetson 嵌入式平台、 Tesla / Quadro 加速器與繪圖卡、 DGX-1 深度學習超級電腦等硬體，結合深度學習技術從端到雲的一項影像分析平台。 這項平台的目的是藉由 NVIDIA 硬體架構平台的均一性，利用伺服器進行對串流影像分析的培訓，並將培訓成果移植到基於 Jetson 終端裝置，將過往需要把資料傳輸到後端伺服器才利用人工進行監控的情況，藉由 Metropolis 後，機於深度學習的影像分析可即時在前端、伺服器與後端雲平台進行，使得城市安全監控更具效率。
Chevelle.fu
7 年前

相關文章