Google plus utnyttjar AI för att utveckla

Google plus utnyttjar AI för att utveckla

Google plus-forskare och akademiker från UC Berkeley påstod sig ha utarbetat ett sätt att använd AI för att destina snabbare och mindre chips som accelererar AI (AI).

I en anteckning som publicerades på torsdagen sa forskarna att de har utvecklat en metod för djupinlärning som kallas FRÄMSTA, som genererar AI-chiparkitekturer från befintliga ritningar och prestandasiffror. De hävdar att deras tillvägagångssätt kan producera design som har lägre latens och kräver mindre utrymme än Googles EdgeTPU-accelerator och andra konstruktioner gjorda med traditionella verktyg.

Förutom att möjliggöra snabbare och mer effektiva konstruktioner är PRIME-metoden viktig eftersom traditionell simuleringsbaserad chipdesign kan vara långsam och beräkningsmässigt dyr, enligt forskarna. Vidare kan chipdesign med hjälp av simuleringsprogram leda till “omöjliga” ritningar när det gäller att optimera vissa aspekter, som t.ex-. låg strömförbrukning eller låg latens.

Teamet hävdade att chipdesigner gjorda på PRIME-sättet hade upp till 50 procent mindre latens än de som skapats med simuleringsbaserade metoder, och djupinlärningsmetoden minskade också tiden för att skapa sådana planer med upp till 99 procent.

Forskarna jämförde PRIME-genererade chipdesigner med simuleringsproducerade EdgeTPUs i nio AI-applikationer, inklusive MobileNetV2 och MobileNetEdge bildklassificeringsmodeller. Det viktigaste är att PRIME-designerna har optimerats för varje applikation.

Enligt forskarna designar PRIME-chippet förbättrad latens med 2,7x och minskad array-footprintanvändning med 1,5x. Denna sista del överraskade experterna eftersom de tränade inte PRIME för att minska storleken på arrayen, vilket kan göra chips billigare och minska strömförbrukningen. På vissa modeller var förbättringarna av latensen och matrisområdet ännu större.

Slutsats

Effektiviteten hos PRIME belyser potentialen för att använda sin conexión-inspelade data i en acceleratordesignprocess. Ett möjligt sätt att arbeta för framtiden är att utöka detta tillvägagångssätt till en hel serie applikationer, där vi förväntar oss att se ytterligare fördelar eftersom simulatorbaserade tillvägagångssätt skulle behöva lösa ett komplext optimeringsproblem, liknande att hitta en nål i en höstack, medan PRIME kan dra nytta av generaliseringen av surrogatmodellen.

Å andra sidan observerar vi också att PRIME överträffar de tidigare simulatorbaserade metoderna vi använde och detta gör det till en lovande kandidat att användas inom en simulatorbaserad metod. Mer generellt kan träning av en stark optimeringsalgoritm sin conexión på sin conexión-datauppsättningar av dåligt presterande design vara en mycket kraftfull ingrediens för att åtminstone få igång hårdvarudesignen, snarare än att krascha den.

Slutligen, med tanke på PRIMEs generella karaktär, hoppas vi kunna använda det för samdesign av hårdvara och mjukvara, vilket ger ett stort sökutrymme men många möjligheter till generalisering. Vi har också publicerat koden för PRIME-utbildningen och acceleratordatasetet.

Vi hoppas att du gillade vår artikel Google plus utnyttjar AI för att utveckla
och allt som har med saker att göra inom teknikvärlden, mobiltelefoner och den tekniska världen.

Intressanta saker att veta innebörden: APP

Här lämnar vi också ämnen relaterade till:Teknologi