嵌入式培訓怎么寫進簡歷_嵌入式神經(jīng)網(wǎng)絡的“戰(zhàn)爭一觸即發(fā)”

小嵌

嵌入式培訓怎么寫進簡歷_嵌入式神經(jīng)網(wǎng)絡的“戰(zhàn)爭一觸即發(fā)”,   

隨著許多嵌入式系開始變得「智能」且「自主」，以人工智能（AI）神經(jīng)網(wǎng)絡為導向的嵌入式系統(tǒng)市場即將起飛，神經(jīng)網(wǎng)絡加速器大戰(zhàn)一觸發(fā)。

嵌入式神經(jīng)網(wǎng)絡加速器市場持續(xù)升溫，從智能音箱、無人機到智能燈泡等越來越多的系統(tǒng)準備在本地執(zhí)行神經(jīng)網(wǎng)絡，以取代傳送至云端進行運算的途徑。

Movidius副總裁兼總經(jīng)理Remi El-Ouazzane日前在接受訪問時，將這個成長中的趨勢定義為「讓事情變得更智能與自主的一場競賽」。

  

  

Remi El-Ouzaane，Movidius副總裁兼總經(jīng)理Remi El-Ouazzane

英特爾旗下子公司Movidius在上周推出了一款采用USB外形的獨立式人工智能（AI）加速器。 El-Ouazzane說，這款名為Movidius神經(jīng)運算棒（Neural Compute Stick）的AI加速器設計，可輕松簡單地插入Raspberry Pi或X86 PC，讓大學研究人員、獨立軟件開發(fā)人員與程序增補人員易于為嵌入式系統(tǒng)進行編譯、調(diào)整以及加速深度學習應用。

Movidius在去年秋天被英特爾收購后，如今已成為英特爾新技術(shù)部門的一部份。 Movidius之前曾經(jīng)開發(fā)出業(yè)界首款視覺處理器——Myriad 2 VPU。 如今，El-Ouazzane表示，推出這款運算棒的最終目標在于讓Movidius VPU成為可在邊緣執(zhí)行神經(jīng)網(wǎng)絡的「參考架構(gòu)」。

  

  

Movidius Myria 2 VPU方塊圖盡管目標遠大，但業(yè)界分析師隨即指出，Movidius Myriad 2 VPU當然不是嵌入式系統(tǒng)中可在邊緣執(zhí)行神經(jīng)網(wǎng)絡的唯一選擇。

催生新產(chǎn)品類別：神經(jīng)加速器

Tirias Research首席分析師Jim McGregor表示：「從技術(shù)上來看，您可以使用任何具有處理組件的開發(fā)板，并用于執(zhí)行一種模型。 例如機器學習（Machine learning）/AI模型已經(jīng)執(zhí)行于各種廣泛的處理器和SoC了，特別是針對行動領(lǐng)域。 」

高通（Qualcomm）以Snapdragon系列實現(xiàn)的影像辨識可說是最佳的例子。 高通從Snapdragon 820開始采用自家開發(fā)的模型，McGregor說：「Snapdragon基本上就是推理引擎」。

具有平行處理組件（如GPU、DSP和FPGA）的處理解決方案非常適于作為推理引擎。 McGregor解釋說，許多正在開發(fā)中的客制化芯片解決方案都采用可內(nèi)建于SoC的DSP或FPGA。

Linley Gwennap首席分析師Linley Gwennap對此表示贊同。 他在最近出刊的《微處理器報告》（Microprocessor Report）中寫道：高通、蘋果（Apple）和英特爾（Movidius）都在「打造一種新的產(chǎn)品類別：神經(jīng)加速器。 」

Gwennap解釋說，對于這些以客戶端為基礎(chǔ)的加速器需求來自于要求極低延遲的自動駕駛車。 Gwennap在該報告的評論中指出，在本地進行處理的新技術(shù)將會開始「滲透至一些較低成本的應用」。 他預測，「在消費裝置中，小型的神經(jīng)加速器可能是SoC中的一個重要區(qū)塊，就像是繪圖核心或圖像處理器一樣。 幾家知識產(chǎn)權(quán)（IP）供貨商開始提供這一類加速器，期望盡可能地降低額外的硬件成本。 」

Gwennap在的訪談中指出，Movidius Neural Compute Stick對于開發(fā)人員幾乎沒有什么不同。 「對于開發(fā)人員來說，這并沒什么不起。 典型的PC就能產(chǎn)生至少100GFLOPS，特別是如果它還內(nèi)建繪圖卡，直接在PC上進行開發(fā)會更好。 對于需要較低功率處理器的嵌入式系統(tǒng)，高通Snapdragon 835提供超過250GOPS的效能，對于大多數(shù)的推理應用來說都夠了。 」

  

  

不過，Movidius的El-Ouazzane并不贊同這樣的看法。

首先，Movidius Neural Compute Stick利用USB讓神經(jīng)網(wǎng)絡更易于存取，有利于制造商或程序增補人員用于開發(fā)深度神經(jīng)網(wǎng)絡原型或進行調(diào)整。嵌入式任務網(wǎng)站, 杭州嵌入式公司推薦, 抽屜嵌入式把手樣式, 嵌入式接管長度, 嵌入式四面通風, 嵌入式安全操作系統(tǒng), 嵌入式分類匯總, 嵌入式大賽智能小車, 昂科威改嵌入式導航, 嵌入式智能應用軟件, 嵌入式燃氣煤氣, 南理工樊衛(wèi)華嵌入式, 學嵌入式專業(yè), 嵌入式設計大賽題目, 嵌入式圖像處理方向, 37歲轉(zhuǎn)嵌入式, 嵌入式的網(wǎng)絡打印機, 嵌入式培訓怎樣, 嵌入式學習培訓價格, 開利嵌入式風機盤管, 嵌入式系統(tǒng)運用, 樂鑫嵌入式面試,

其次是電源效率的問題。 El-Ouazzane指出，Movidius的解決方案可讓神經(jīng)網(wǎng)絡在邊緣運算時旳功耗小于2瓦（W）。

然后，還有成本的考慮。 El-Ouazzane說：「我認為這是一個殺手級因素。 Movidius Neural Compute Stick要價79美元，可望讓神經(jīng)網(wǎng)絡的發(fā)展變得『超級普遍』。 」

他預期開發(fā)人員能使用Movidius的神經(jīng)運算平臺（Neural Compute Platform）應用程序編程接口（API），「將經(jīng)過訓練的Caffe、前饋卷積神經(jīng)網(wǎng)絡（CNN）輸入工具套件中，并進行配置，然后編譯成一種可用于嵌入式部署的調(diào)整版本。 」

以AI為導向的嵌入式應用?

隨著許多嵌入式系開始變得「智能」且「自主」，El-Ouazzane預計以AI為導向的嵌入式系統(tǒng)即將爆發(fā)。

但是，不久的將來即將出現(xiàn)什么樣的AI裝置?

McGregor預測，「我認為在2025年以前，每個人所接觸的每一款新系統(tǒng)/平臺都將具有某種程度的AI元素，它可能內(nèi)建于裝置本身，或存在于網(wǎng)絡、云端，或是分散在其間。 」

他補充說：「它可能就像是用戶接口或應用一樣簡單，或者是像虛擬助理或自主控制般復雜的某種裝。 目前已經(jīng)有許多應用已經(jīng)導入了AI，包括虛擬助理、搜索引擎、財務建模、與文章寫作。..。. 等等。 」

他說：「而在裝置上，AI將因各種不同的原因而持續(xù)成長，特別是數(shù)據(jù)的安全、實時互動/處理以及帶寬限制等。 然而，在裝置上進行訓練才是真正的挑戰(zhàn)，最終可能需要新的處理模型。 」

英特爾想掌握一切。

當然，Movidus現(xiàn)在是英特爾的子公司，但其目標并不僅限于有更多嵌入式系統(tǒng)在邊緣執(zhí)行神經(jīng)網(wǎng)絡。 El-Ouazzane將其產(chǎn)品發(fā)布架構(gòu)在英特爾端對端AI產(chǎn)品組合的更大脈絡之下。

他指出，英特爾擁有廣泛的AI產(chǎn)品組合，并為其提供一整套完整的開發(fā)工具和資源。

「無論是在英特爾Nervana云端上訓練AI神經(jīng)網(wǎng)絡、優(yōu)化新興的工作負載（如AI、、VR和AR），以及使用英特爾Xeon Scalable處理器實現(xiàn)自動駕駛，或是以Movidius視覺處理器技術(shù)將AI導入邊緣，」英特爾宣稱該公司已為下一代AI驅(qū)動的產(chǎn)品和服務提供了全面的AI產(chǎn)品組合、工具、訓練和部署選擇。

然而，Movidus是否真的能在即將變得無所不在的AI嵌入式系統(tǒng)中成為其關(guān)鍵參考架構(gòu)，目前還不而知。

Tirias Research的McGregor盡管認同Neural Compute Stick是「一款可在新設計中快速評估AI模型訓練效能的有利工具，」但他仍指出，「設計人員仍然必須在最后的系統(tǒng)設計時間執(zhí)行類測試，特別是如果他們并未使用Moviduis的芯片和/或Caffe架構(gòu)。 」

The Linley Group的Gwennap還認為，Movidius無法達到其目標——實現(xiàn)在邊緣運算神經(jīng)網(wǎng)絡的嵌入式系統(tǒng)設計。

區(qū)隔推理引擎與訓練

Gwennap指出，「值得注意的是，新的AI時代并不會有『參考架構(gòu)』。 諸如TensorFlow和Caffe等架構(gòu)將會把軟件（神經(jīng)網(wǎng)絡）和硬件分開來。 」他補充說：「映像到Myriad VPU的網(wǎng)絡可以輕易地映像到Snapdragon或其他處理器上。 因此，AI處理器將在性能和效率的基礎(chǔ)上進行競爭，而不是鎖定于指令集。 」

同樣地，他也不認同「同樣的工具適用于訓練和推理」的論點。 Gwennap說：「一旦網(wǎng)絡開始接受訓練，就可以輕松地部署在支持主流架構(gòu)的任何平臺上。 而且，主流的架構(gòu)都是開放源碼，以避免單一家廠商鎖定。 」。

El-Ouazzane看好AI處理器抽取底層硬件的能力，它讓設計者可將推論與練訓分離開來。 但他重申先前的觀點，從長遠來看，能夠使用相同的工具進行神經(jīng)網(wǎng)絡的訓練和部署，才有助于系統(tǒng)設計人員。

  

他以Movidius的開發(fā)藍圖為例表示，未來三年，深度學習的效能預計將會增加50倍。 「為了在不增加功耗的情況下實現(xiàn)這一目標，我們可以在訓練方面設計許多架構(gòu)技巧。 」El-Ouazzane補充說：「當你在斟酌這些技巧時，讓學習和推理方面置于同一平臺是至關(guān)重要的。 」