0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

Imagination首发了两款神经网络内核AX2185和AX2145

Dbwd_Imgtec 来源:未知 作者:李倩 2018-06-14 14:43 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

2018年,越来越多的企业开始迈入人工智能的大潮,相关技术和应用不断深化、细化。中国的人工智能发展正在进入新的阶段,有望成为引领全球人工智能发展的重要引擎。Imagination Technologies作为一家拥有近30年GPU开发经验的全球领先IP供应商,在人工智能领域的投入已经超过5年。公司于去年9月推出支持多种人工智能应用的神经网络加速器,并已在安防、视频等领域获得应用。与此同时,鉴于自身的中资背景,Imagination开始将战略重心更多地转移向中国市场,而人工智能这个在中国发展得如火如荼的产业,自然也成为Imagination中国发展战略的重点所在。

6月4日-8日,Imagination先后在深圳、上海、北京这三座中国集成电路产业积淀最深厚、发展最蓬勃的城市举办了人工智能研讨会。活动邀请了来自Imagination及其合作伙伴的多位技术专家莅临现场,为与会者分享了最先进的人工智能技术及应用。

6月8日北京会议上Imagination首发了两款神经网络内核AX2185和AX2145,引来到场媒体和行业人士的一致关注。

Imagination人工智能研讨会吸引了众多行业人士到场

两款新型内核基于Imagination的PowerVR Series2NX神经网络加速器(NNA)架构打造,针对性能和内存带宽进行了优化,为芯片设计人员提供了受欢迎的选择,可以支持他们在嵌入式设备和移动设备上部署高要求的、基于深度学习计算机视觉算法,从而实现产品和应用的创新。

其中,AX2185以高端智能手机、智能监控和汽车市场为目标应用。该款内核拥有8个全宽度计算引擎,每个时钟周期可处理2048个MAC(每秒4.1兆次运算),代表了市场上单位面积(每平方毫米)的最高性能。

AX2145则针对成本敏感型设备进行了优化,以中档智能手机、数字电视/机顶盒、智能相机和消费性安全市场为目标。AX2145精简型架构为超低带宽系统提供了高性能的神经网络推理功能,这种高性价比的解决方案可以支持OEM和ODM在芯片面积预算有限的情况下开展设计工作。

“Imagination的持久优势在于在技术创新上的投入和领先度。由于Imagination总是把关注点放在未来市场需要什么,所以总会多做一点,推出比市场领先一步的IP,进而客户使用Imagination的IP打造的产品也将会领先市场一步。” Imagination主管PowerVR视觉和人工智能业务的副总裁Russell James接受媒体采访时表示。

Imagination副总裁Russell James介绍新发布的神经网络内核

会上,Imagination中国区区域市场和业务拓展总监柯川也发表了主题演讲,介绍了Imagination对人工智能领域发展的深刻理解,以及公司经过多年技术积累所推出的人工智能解决方案的先进特性和应用场景。

“Imagination对人工智能领域的投入已经持续了5年以上,我们的产品是在深厚的技术积累基础上才推出的。从今年年底到明年年初这段期间,Imagination还将持续推出一系列AI产品,专为解决人工智能市场的关键问题与痛点而打造。此外,Imagination也在和众多OEM厂商合作,帮助SoC客户提高产品化速度。”柯川在谈及Imagination在人工智能领域的发展时如是说。

Imagination中国区区域市场和业务拓展总监柯川发表主题演讲

近日,2018年度英国国家技术大奖(National Technology Awards)颁奖典礼在伦敦华尔道夫希尔顿酒店举行,该活动每年举办一次,旨在嘉奖各个技术行业所取得的发展。Imagination的PowerVR 视觉和人工智能团队赢得了今年的“年度最佳技术团队”殊荣。该奖项的获得,是对过去多年Imagination专注于人工智能研发的高度褒奖,同时也意味着公司已做好准备随时去迎接更广阔的市场。一场“王者归来”的好戏正在上演!

会议期间合作伙伴演讲部分精彩回顾:

深圳研讨会--商汤科技智能汽车的主题演讲

深圳研讨会--全志科技AI应用落地面临的挑战主题演讲

上海研讨会--紫光展锐公司的手机中AI应用趋势的主题演讲

上海研讨会--酷芯微电子公司的嵌入式AI芯片的挑战与机会主题演讲

北京研讨会--Face++旷视科技的中国人工智能第一阶段--现状、观察与未来主题演讲

北京研讨会--Roobo北京智能管家科技主题演讲

北京会议合作方中关村芯园副总经理兰文丽女士为本次会议致辞。

在此特别感谢北京活动的协办方中关村芯园及中关村领创空间的大力支持!

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 集成电路
    +关注

    关注

    5446

    文章

    12469

    浏览量

    372691
  • 人工智能
    +关注

    关注

    1813

    文章

    49741

    浏览量

    261557
  • ai技术
    +关注

    关注

    1

    文章

    1313

    浏览量

    25599

原文标题:前沿AI技术助力产业创新 Imagination中国芯演绎王者归来

文章出处:【微信号:Imgtec,微信公众号:Imagination Tech】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    NMSIS神经网络库使用介绍

    NMSIS NN 软件库是一组高效的神经网络内核,旨在最大限度地提高 Nuclei N 处理器内核上的神经网络的性能并最​​大限度地减少其内存占用。 该库分为多个功能,每个功能涵盖特定
    发表于 10-29 06:08

    在Ubuntu20.04系统中训练神经网络模型的一些经验

    本帖欲分享在Ubuntu20.04系统中训练神经网络模型的一些经验。我们采用jupyter notebook作为开发IDE,以TensorFlow2为训练框架,目标是训练一个手写数字识别的神经网络
    发表于 10-22 07:03

    液态神经网络(LNN):时间连续性与动态适应性的神经网络

    1.算法简介液态神经网络(LiquidNeuralNetworks,LNN)是一种新型的神经网络架构,其设计理念借鉴自生物神经系统,特别是秀丽隐杆线虫的神经结构,尽管这种微生物的
    的头像 发表于 09-28 10:03 707次阅读
    液态<b class='flag-5'>神经网络</b>(LNN):时间连续性与动态适应性的<b class='flag-5'>神经网络</b>

    神经网络压缩框架 (NNCF) 中的过滤器修剪统计数据怎么查看?

    无法观察神经网络压缩框架 (NNCF) 中的过滤器修剪统计数据
    发表于 03-06 07:10

    BP神经网络网络结构设计原则

    BP(back propagation)神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,其网络结构设计原则主要基于以下几个方面: 一、层次结构 输入层 :接收外部输入信号,不进行任何计算
    的头像 发表于 02-12 16:41 1254次阅读

    BP神经网络与卷积神经网络的比较

    BP神经网络与卷积神经网络在多个方面存在显著差异,以下是对者的比较: 一、结构特点 BP神经网络 : BP神经网络是一种多层的前馈
    的头像 发表于 02-12 15:53 1311次阅读

    BP神经网络的优缺点分析

    BP神经网络(Back Propagation Neural Network)作为一种常用的机器学习模型,具有显著的优点,同时也存在一些不容忽视的缺点。以下是对BP神经网络优缺点的分析: 优点
    的头像 发表于 02-12 15:36 1591次阅读

    什么是BP神经网络的反向传播算法

    BP神经网络的反向传播算法(Backpropagation Algorithm)是一种用于训练神经网络的有效方法。以下是关于BP神经网络的反向传播算法的介绍: 一、基本概念 反向传播算法是BP
    的头像 发表于 02-12 15:18 1278次阅读

    BP神经网络与深度学习的关系

    BP神经网络与深度学习之间存在着密切的关系,以下是对它们之间关系的介绍: 一、BP神经网络的基本概念 BP神经网络,即反向传播神经网络(Backpropagation Neural N
    的头像 发表于 02-12 15:15 1341次阅读

    BP神经网络的基本原理

    BP神经网络(Back Propagation Neural Network)的基本原理涉及前向传播和反向传播个核心过程。以下是关于BP神经网络基本原理的介绍: 一、网络结构 BP
    的头像 发表于 02-12 15:13 1520次阅读

    BP神经网络在图像识别中的应用

    传播神经网络(Back Propagation Neural Network),是一种多层前馈神经网络,主要通过反向传播算法进行学习。它通常包括输入层、一个或多个隐藏层和输出层。BP神经网络的训练过程涉及到前向传播和反向传播
    的头像 发表于 02-12 15:12 1188次阅读

    如何训练BP神经网络模型

    BP(Back Propagation)神经网络是一种经典的人工神经网络模型,其训练过程主要分为个阶段:前向传播和反向传播。以下是训练BP神经网络模型的步骤: 一、前向传播 前向传播
    的头像 发表于 02-12 15:10 1467次阅读

    部署DeepSeek R1于AX650N与AX630C平台

    背景 春节前,国产大模型 DeepSeek 横空出世,迅速成为AI领域的焦点。作为端侧AI能效比优异的 AX650N、AX630C 芯片平台早已在节前完成 DeepSeek R1 蒸馏版本 1.5B
    的头像 发表于 02-09 09:32 1906次阅读
    部署DeepSeek R1于<b class='flag-5'>AX</b>650N与<b class='flag-5'>AX</b>630C平台

    深度学习入门:简单神经网络的构建与实现

    深度学习中,神经网络是核心模型。今天我们用 Python 和 NumPy 构建一个简单的神经网络神经网络由多个神经元组成,神经元之间通过
    的头像 发表于 01-23 13:52 846次阅读

    人工神经网络的原理和多种神经网络架构方法

    在上一篇文章中,我们介绍了传统机器学习的基础知识和多种算法。在本文中,我们会介绍人工神经网络的原理和多种神经网络架构方法,供各位老师选择。 01 人工神经网络   人工神经网络模型之所
    的头像 发表于 01-09 10:24 2256次阅读
    人工<b class='flag-5'>神经网络</b>的原理和多种<b class='flag-5'>神经网络</b>架构方法