跳转到主要内容

<font color="#3a6694"><strong>深度学习是一种基于人工神经网络的机器学习方法，它通过多层神经网络对数据进行建模和学习，从而使计算机能够自动从数据中提取特征并进行预测。深度学习在图像处理、语音识别、自然语言处理等领域取得了显著的突破，特别是在大数据和强大计算能力的支持下，深度学习已成为解决复杂问题的主要技术。</strong></font>

Lambda 成功融资 2450 万美元用于构建 GPU 云计算和提供深度学习硬件

winniewei /

以GPU 云计算服务和深度学习硬件而闻名的 Lambda 公司宣布已成功筹集 2450 万美元的融资。其中包括由硅谷银行提供的 1500 万美元的 A 轮股权和 950 万美元的债务融资。本轮融资由 1517、Gradient Ventures、Bloomberg Beta、Razer 和 Georges Harik领投。

速度与规模，由GPU引领的深度学习

cathy /

早期的机器学习以搜索为基础，主要依靠进行过一定优化的暴力方法。但是随着机器学习逐渐成熟，它开始专注于加速技术已经很成熟的统计方法和优化问题。同时深度学习的问世更是带来原本可能无法实现的优化方法。本文将介绍现代机器学习如何找到兼顾规模和速度的新方法。

<center><img src="http://mouser.eetrend.com/files/2021-02/wen_zhang_/100061835-122574-161…; alt=“” width="600"></center>

<strong>1、AI领域的转变</strong>

瑞萨电子推出升级版R-Car V3H，提升深度学习性能，满足包括驾乘人员监控系统的最新NCAP要求

winniewei /

瑞萨电子集团（TSE：6723）今日宣布，推出最新升级版R-Car V3H片上系统（SoC），为智能摄像头应用带来显著提升的深度学习性能，包括驾驶员/乘客监控系统（DMS/OMS）、车载前置摄像头、环视系统以及最高可达Level 2+级适用于大部分车辆的自动泊车功能。

云天励飞推介深度学习神经网络处理器DeepEye1000

winniewei /

深圳云天励飞技术有限公司成立于 2014 年 8 月，致力于通过 AI 技术进行物理世界的结构化，打造 数字孪生城市。公司依托一流的国际化专家团队和“全栈式”AI 技术平台，打造了面向公共安全、社会 治理、新商业、AIoT 等领域的产品和解决方案，以深圳先行示范区-粤港澳大湾区的双区驱动为基点，以青岛、成都、长沙、南京、杭州、上海、北京等 10 个城市为灯塔，业务辐射全国及东南亚地区 100 多个城市，云天励飞面向计算机视觉的深度学习神经网络处理器芯片 DeepEye1000已经大量应用。

在MCU上实现AI深度学习，你想知道的都在这儿

cathy /

<strong>MCU上的人工智能</strong>

传统认知中，人工智能（AI）相关的深度学习应用，只有算力充沛的MPU或者是PC才能玩得转。可你是否想过，在一颗通用MCU上也能畅玩深度学习？

这不是天方夜谭，NXP的工程师就在一个用例中，基于<a target="_blank" href="https://www.mouser.cn/new/nxp-semiconductors/nxp-mimxrt1050-evk/?utm_so…; textvalue="i.MX RT1050" tab="outerlink" data-linktype="2">i.MX RT1050</a>跨界MCU实现了人脸识别功能，30多层的深度学习模型跑一圈只要要295ms！

原创深度 | 深度学习：神经网络算法的昨天、今天和明天

cathy /

<center><img src="http://mouser.eetrend.com/files/2020-06/wen_zhang_/100049710-99013-1.pn…; alt=“图片来源：a-image/Shutterstock.com” width="600"></center><center><i>图片来源：a-image/Shutterstock.com</i></center>

2016年，围棋人工智能软件AlphaGo打败了韩国围棋名将李世石。2017年，新一代AlphaGo（AlphaGo Master）的战斗力升级，又打败了世界排名第一的柯洁。这样的人工智能（Artificial Intelligence）系统，不再简单地只靠储存能力战胜人类，而是已经在一些具体的领域超越了人类的认知，甚至像是拥有了“思考”的能力，更接近大众对人工智能的想象。

深度学习框架只为GPU? 答案在这里

cathy /

目前大多数的机器学习是在处理器上完成的，大多数机器学习软件会针对GPU进行更多的优化，甚至有人认为学习加速必须在GPU上才能完成，但事实上无论是运行机器学习的处理器还是优化的深度学习框架，都不单只针对GPU，代号为“Skylake”的英特尔至强SP处理器就证明了这一点。

机器学习软件在英特尔至强SP系列白金版上的一系列基准测试性能表现与在GPU上非常相近，了解了底层架构之后，我们可以看到，在性能如此接近的情况下，使用GPU加速器更像是在购买一种“奢侈品”，用户在GPU以外还有很多其他的选择。毫无疑问，在用户只需要机器学习的情况下，“加速器”在性能和能耗方面更有优势，大多数人需要的不只是一台“智能的用于机器学习的服务器”，那就让我们来重点看一下英特尔至强SP 白金级处理器为什么是最佳的选择：

<strong>CPU优化深度学习框架和函数库</strong>

英特尔在基于GPU优化的框架中增加了CPU优化深度学习框架， 打破了深度学习框架偏重于GPU而忽视了CPU的行业现状，解决了目前这些框架缺乏CPU优化的实际问题。

TensorFlow由谷歌开发，是一个领先的深度学习和机器学习框架，有面向Linux的处理器优化

订阅 深度学习