AI公开课:19.03.21钱诚/雷鸣等教授或专家《寒武纪-深度学习处理器》课堂笔记以及个人感悟

AI公开课:19.03.21钱诚/雷鸣/汪玉/侯晓林等教授或专家《寒武纪-深度学习处理器》课堂笔记以及个人感悟

导读:如果大家去创业的话,一定要看清未来的大趋势,看对赛道,当然,还有人才。创业的时候,切记,每走一步,要多向前辈取经。

panel主题深度学习处理器——技术、产业及投资的机遇与挑战
panel主持人
雷鸣(清华大学海峡研究院大数据AI中心专家委员)
panel嘉宾
钱诚(寒武纪科技副总裁)
汪玉(清华电子系副教授)
侯晓林(贝塔斯曼副总裁)


演讲内容(部分截取)

Panel对话环节

钱诚:用芯片开发进行二次开发,或者系统集成。
雷鸣:平台性的东西,像Tensorflow这样的框架都比较复杂,创业初期,搞很复杂类似平台的东西,很难获得VC的投资。
侯晓林(VC):如果平台可以解决垂直领域的东西,解决实际问题,做到人无我有,做的要更好,才会获得VC的青睐!
雷鸣:做芯片是大投入的东西。我投了北大几个博士的无人机项目,能够解决现实的实际问题,会更好!
侯晓林(VC):从外行的人来看,作为投资人,去看是不是有机会,是不是有这个市场规模。如果大家去创业的话,一定要看清未来的大趋势,看对赛道,当然,还有人才。
         PS:找准赛道,然后,就是干!
雷鸣:硬件创业,看创业者,还是依赖于经验的,得有点年龄。
汪玉:我们12年左右开始做。数据驱动算法,CPU是把所有算法拆成为加减乘除,而深度学习直接处理数据。要足够多的东西,即足够的市场,要去做专用芯片。对于任何一个行业,除了芯片还有接口,包括芯片厂商,所有的厂商都喜欢做自己专用的芯片,未来这个是大方向。
雷鸣:随着未来物联网时代的到来,智能芯片会迎来大爆发,大到无人车,都会百花齐放!
钱诚:对于在校的学生来说,实验室只是做科研的地方,一定要实战,要有实际的经验。最好加入国内外知名机构。创业的时候,切记,每走一步,要多向前辈取经。
汪玉:如果愿意去创业,要趁早,前10名。创业要趁早,35岁以后创业很难的
雷鸣:30多岁之前,一定要创业,大家看到的埃隆马斯克,他们都是已经有过创业的了,所以创业要趁早。
侯晓林(VC):建议大家多去实习,赚取经验,为以后创业或者求职打下基础。
         PS:学以致用,才是王道!

现场图片

课堂演讲PPT…

雷鸣教授演讲PPT

钱诚副总裁演讲PPT

1、终端设备需要节省功耗,所以功能有限。
2、自动驾驶汽车,目前还远未达到人们的要求。
3、互联网中有很多数据流,做智能处理的硬件会把这些数据流处理出来,叫做智能数据流。
4、对手机进行语音描述,后台可以连接到电商平台,进行产品消费。
5、视频异常检测:很多短视频,需要经过检测以后才能在平台上发布,可以采用深度学习算法进行检测。

ASIC→ASIP→FPGA→GPU→GPP
      AI发展的三大严峻形式:芯片性能瓶颈(摩尔定律),多核并行运行的瓶颈,应用场景更加复杂。
      云端智能芯片突围的一个思路:面向某个领域的架构,比如GPU用于图像的处理和渲染。领域会比较窄,但是性能会在窄领域内更强。
     曾有电影说过,智慧生物是低熵的。

云端智能芯片:有三种主流路线,脉冲神经网络芯片、GPU图处理器、深度学习处理器芯片。
全球智能芯片各家企业,百花齐放、百家争鸣。

机器学习和深度学习,其实,底层还是属于计算智能,和人类大脑中的智能还是不一样的。从纯视觉处理到多模态智能处理的大趋势。

  • IamageNet:物体识别
  • Visulalc Genmpone:解读图像背后的语义
  • 长期发展方向:多模态智能处理

关于人工神经网络
关于过拟合:即神经网络无法收敛,2006年以后,学术界提出很多工具,比如受限玻尔兹曼机。

为什么需要深度学习处理器?

  1. 深度学习神经网络是处理智能处理迄今最好的方法。
  2. 通用CPU/GPU处理神经网络效率低下。

关于寒武纪学术渊源

  1. 寒武纪系列架构
  2. 开创深度学习处理器方向

传统ASIC的思路无法解决深度学习处理器面临的问题

  1. 硬件神经元的虚拟化
  2. 深度学习指令集
  3. 稀疏神经网络处理器结构

1、硬件神经元虚拟化

  • 控制架构
  • 访存架构

2、深度学习指令集

  • 算子聚类
  • 运算架构

3、稀疏神经网络处理器结构

寒武纪,希望未来,做一个生态的系统,希望客户采用寒武纪的终端产品,云端也要寒武纪的产品,相匹配效果会更好!

智能云计算平台赋能传统产业

(0)

相关推荐