GPU为何是安防走向人工智能的核心利器?

2017-03-22 19:58:04编辑:鲁迪 关键字:GPU  安防  人工智能

图形处理器(英语:GraphicsProcessingUnit,缩写:GPU),又称显示核心、视觉处理器、显示芯片,是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上图像运算工作的微处理器。

用途是将计算机系统所需要的显示信息进行转换驱动,并向显示器提供行扫描信号,控制显示器的正确显示,是连接显示器和个人电脑主板的重要元件,也是“人机对话”的重要设备之一。显卡作为电脑主机里的一个重要组成部分,承担输出显示图形的任务,对于从事专业图形设计的人来说显卡非常重要。


GPU是为了能够更快处理图像而诞生

在九十年代,一批工程师意识到:在屏幕上进行多边形图像渲染,本质上是个能并行处理的任务--每个像素点的色彩可以独立计算,不需要考虑其它像素点。于是GPU诞生,成为比CPU更高效的渲染工具。简而言之,由于CPU在图像渲染方面的能力不足,GPU被发明出来分担这部分工作,此后就成了专门搞这方面的硬件。有了上千个更加简单的核心,GPU能高效地处理让CPU十分吃力的任务。只要有合适的代码配合,这些核心就能处理超大规模的数学运算,实现逼真的游戏体验。

GPU作为显示卡的“大脑”决定了该显卡的档次和大部分性能,同时GPU也是2D显示卡和3D显示卡的区别依据。2D显示芯片在处理3D图像与特效时主要依赖CPU的处理能力,称为软加速。3D显示芯片是把三维图像和特效处理功能集中在显示芯片内,也就是所谓的“硬件加速”功能。显示芯片一般是显示卡上最大的芯片。时下市场上的显卡大多采用NVIDIA和AMD-ATI两家公司的图形处理芯片。NVIDIA公司在1999年发布GeForce256图形处理芯片时首先提出GPU的概念。从此NV显卡的芯就用这个新名字GPU来称呼。GPU使显卡削减了对CPU的依赖,并实行部分原本CPU的工作,更加是在3D图形处理时。

GPU能将3D模型的信息转换为2D表示,同时添加不同的纹理和阴影效果,所以GPU在硬件里也是比较特殊的存在。从3D建模到最终显示在屏幕上,GPU渲染场景使用的是流水线操作。早些时候流水线操作是固定不能作任何改动的,整个操作由读取三角形的顶点数据开始,接着GPU处理完后进入帧缓冲区(framebuffer),准备发送给显示器。GPU也能对场景进行某些特定效果的处理,不过这些都是由工程师设计固定好的,能提供的选项很少。


GPU设计之初非针对深度学习而是并行计算

GPU关键性能是并行计算。这意味着可以同时处理运算,而不是一步步进行。复杂问题可被分解为更简单的问题,然后同时进行处理。并行计算适用于HPC和超算领域所涉及的许多问题类型,比如气象、宇宙模型和DNA序列。并不是只有天体物理学家和气象学家才能充分利用并行计算的优点。事实证明,许多企业应用能从并行计算获得超出寻常比例的好处。这包括:数据库查询、密码学领域的暴力搜索、对比不同独立场景的计算机模拟、机器学习/深度学习、地理可视化

在GPU设计之初,并非针对深度学习,而是图形加速,在NVIDIA推出CUDA架构之前,GPU并无太强对深度学习运算能力的支持。而如今,NVIDIA可以提供基于其GPU的从后端模型训练到前端推理应用的全套深度学习解决方案,一般的开发人员都可以非常容易地上手使用GPU进行深度学习开发,或者高性能运算。而CUDA架构的开发,耗费了NVIDIA巨大的人力物力。可以说,是CUDA这个中间层(computingframework)的优化,才使得开发者真正爱上了GPU,NVIDIA胜在软件。而CUDA还不能称之为算法,它只是计算硬件与算法之间的桥梁。

目前来看,NVIDIA作为人工智能计算平台的领导者,但事实是,一开始并非NVIDIA选择了人工智能,而是人工智能的研究者选择了GPU,进而成就了NVIDIA。在2012年,Alex利用深度学习+GPU的方案,一举赢得ImageNetLSVRC-2010图像识别大赛,并奇迹般地将识别成功率从74%提升到85%。NVIDIA敏锐地觉察到了这一趋势,并大力优化基于GPU的深度学习生态系统,并加速迭代开发,三年时间将GPU性能提升了65倍,从而奠定了目前的王者之位。


AI时代 GPU将是数据爆炸时代的核心处理模块

对于人工智能计算架构来说,一般可以归结为三类模式:CPU + GPU,CPU + FPGA,CPU + ASIC(专用集成电路)。其中,应用于图形、图像处理领域的GPU 可以并行处理大量数据,非常适合深度学习的高并行、高本地化数据场景,是目前主流的人工智能计算架构。

如果把科技产业划分为三个时代:PC 时代、移动互联网时代和AI 时代。目前,我们处于移动互联网时代的末期和下一个时代的早期,即以深度学习、无人驾驶为主的AI 时代。


关键字:GPU  安防  人工智能

来源: 安防行业网 引用地址:http://www.eeworld.com.cn/afdz/article_2017032210361.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:联发科小心!高通针对低端市场的4G芯片都出来了
下一篇:“中国芯”:内联外合可以弯道超车

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

数据存储处理器DPU会是另一个GPU吗?

,可对数据进行智能管理、控制和分析,从而减少闪存擦写次数,延长SSD使用寿命;二是可减少盘内计算和总线数据量,减轻主机CPU的负担。”杨亚飞强调,“经过测试,通过机器学习的算法可大大延长闪存的寿命三到五倍以上,效果显著。” 与此相呼应的是,据悉三星、西部数据等公司在与大普洽谈,希望通过技术授权的方式从大普获得相关专利。会成另一个GPU吗? 当然,作为一个“芯”生事物,走稳是当下的要务。杨亚飞对此表示,“DPU还在早期阶段,大普每做一代产品步子不会太大。对于消费领域,已经属于红海,拼得很厉害,大普将通过技术授权的方式来从中提成;对于企业级市场,大普将着力提供DPU。在立足之际是把一些最基础的、通用的计算做好,比如数
发表于 2018-07-09 07:44:43

专访UIUC陈德铭教授:「万能芯片」FPGA与深度学习

机器之心原创作者:邱陆陆人工智能的风潮从技术一路蔓延到硬件,让「芯片」成为今年行业里盛极一时的主题。人们关注通用芯片领域里 CPU 和 GPU 不断刷新的基准(benchmark),更对专用芯片(ASIC)领域不同场景下不断问世的解决方案表示出了空前的热情。 而众所周知,在专用芯片与通用芯片中间,还有一个更为灵活,也更为神秘的领域:FPGA。无论是英特尔天价的收购还是微软与 IBM 雄心勃勃的计划,都让人对其更加好奇。而「万能芯片」的名称,以及多样化的职责范围:它可以是智能手机里不起眼的一个小组件,也可以是数千美金一块的开发板,也让人对其真面目更加疑惑。 FPGA 与深度学习的关系究竟是什么?它适合
发表于 2018-06-25 11:42:13
专访UIUC陈德铭教授:「万能芯片」FPGA与深度学习

ARM的新CPU和GPU核能否冲击英特尔老巢?

集微网消息(文/艾檬)在连续创造惊人的数字之后,ARM的目光更为长远。据最新数据显示,截止2017年底基于Arm的芯片出货量已达1200亿片,约占整体市场四成份额。Arm资深市场营销总监Ian Smythe表示,到目前为止基于Arm的芯片出货量应已突破1300亿,未来将迈向2000亿。2035年预计将有一万亿的互联设备,而5G、AI、安全、全计算等技术将大行其道,以为用户提供更自由更互连的浸入式体验。基于此Arm IP产品线再添生力军,在CPU和GPU层面均实现跃升,除着力渲染可将智能手机实现PC性能之外,染指笔记本电脑市场的野心愈加明晰。Cortex-A76的野心去年Arm发布的Cortex-A75针对AI和ML能力进行了特别
发表于 2018-06-23 15:23:23
ARM的新CPU和GPU核能否冲击英特尔老巢?

GPU滞销、AMD快一步、英特尔入局,英伟达真的危机了?

集微网消息(文/小北)2017年4月至2018年3月的虚拟货币热潮让GPU处于供不应求的状态。如今虚拟货币市场已退热。尽管英伟达对此早有准备,但仍有外媒消息称英伟达面临巨大的去库存压力,甚至出现GPU滞销。与此同时,英伟达或采取延迟发布下一代GPU芯片的策略缓解库存压力。虚拟货币市场退热,英伟达面临的或许不止是去库存的压力。AMD在不断获得更大GPU市场份额的同时,也在加快下一代GPU产品的研发脚步。同时,英特尔涉足GPU领域,并直言向英伟达、AMD发起挑战。对于GPU厂商而言,伴随着虚拟货币市场变化,本可以很轻松地退回其“大本营”——游戏市场。为何英伟达却面临去库存压力?据悉,英伟达过于高估游戏市场的需求,并低估了挖矿市场迅速
发表于 2018-06-20 20:32:56

三星自研GPU将率先用于入门级Exynos芯片

集微网消息,据知名爆料人Roland Quandt,三星的纯自主GPU将首先登陆入门级的移动产品,之后还将面向自动驾驶、深度学习领域。换句话说,第二代GPU的性能将全面提升。作为既是手机制造商又是芯片设计商,三星由此将缩小和苹果之间的差距。此前,三星的Exynos芯片基于ARM公版Mali定制。在三星的Exynos SoC的历史上,该公司已经使用了两个主要的IP提供商:ARM用于CPU,以及ARM或Imagination for GPU。2016年9月份,三星就与AMD和英伟达正式洽谈许可图形芯片技术事宜,而更早在4年前也有传言称三星有意许可AMD或英伟达的图形芯片技术,通过许可其他公司技术缩短开发图形芯片的时间。(校对/Aki)
发表于 2018-06-20 13:29:52

三星自研GPU来了!将率先用于入门级Exynos芯片

集微网消息,据知名爆料人Roland Quandt,三星的纯自主GPU将首先登陆入门级的移动产品,之后还将面向自动驾驶、深度学习领域。换句话说,第二代GPU的性能将全面提升。作为既是手机制造商又是芯片设计商,三星由此将缩小和苹果之间的差距。此前,三星的Exynos芯片基于ARM公版Mali定制。在三星的Exynos SoC的历史上,该公司已经使用了两个主要的IP提供商:ARM用于CPU,以及ARM或Imagination for GPU。2016年9月份,三星就与AMD和英伟达正式洽谈许可图形芯片技术事宜,而更早在4年前也有传言称三星有意许可AMD或英伟达的图形芯片技术,通过许可其他公司技术缩短开发图形芯片的时间。
发表于 2018-06-19 20:52:22
三星自研GPU来了!将率先用于入门级Exynos芯片

小广播

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 视频监控 智能卡 防盗报警 智能管理 处理器 传感器 其他技术 综合资讯 安防论坛

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved