0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一顆基于應(yīng)用場(chǎng)景抽象出來(lái)的,面向多層神經(jīng)網(wǎng)絡(luò)處理的AI芯片

DPVg_AI_era ? 來(lái)源:lp ? 2019-04-08 10:04 ? 次閱讀

今年的春晚都用到了大量的AI技術(shù),在春晚的深圳分會(huì)場(chǎng)采用了云天勵(lì)飛的人臉識(shí)別系統(tǒng),實(shí)現(xiàn)刷臉安檢1s過(guò)關(guān)。云天勵(lì)飛董事長(zhǎng)兼CEO陳寧介紹了春晚AI應(yīng)用背后的黑科技:能夠處理200億城市數(shù)據(jù)、具備自學(xué)能力的AI專(zhuān)用芯片。

歷年來(lái),央視的春晚都是潮流的風(fēng)向標(biāo),反應(yīng)了當(dāng)下最流行的趨勢(shì)。而2019年春晚的主角,無(wú)疑就是人工智能:不僅首次采用AI主持人,幕后也用到了大量的人工智能技術(shù)。

我們都知道,春晚安檢是一項(xiàng)既重要又累人的活兒。往年依賴(lài)人工安檢,效率和準(zhǔn)確度很難保證,速度慢且易出錯(cuò)。今年春晚的深圳分會(huì)場(chǎng),由于采用了云天勵(lì)飛的人臉檢測(cè)系統(tǒng),來(lái)賓可以直接“刷臉”入場(chǎng),極大的提高了安檢的效率。

5個(gè)春晚現(xiàn)場(chǎng)的出入口被部署了15臺(tái)人臉識(shí)別閘機(jī),以及6臺(tái)人證比對(duì)一體機(jī),組成了10個(gè)通道。同時(shí)通過(guò)深目系統(tǒng)和攝像頭,對(duì)現(xiàn)場(chǎng)人員人像信息進(jìn)行采集、分析、挖掘和“白名單”布控等,為現(xiàn)場(chǎng)演出提供安保服務(wù)。經(jīng)互聯(lián)網(wǎng)注冊(cè)、后臺(tái)驗(yàn)證授權(quán)成功的演出人員、工作人員等,全程僅需“刷臉”,1s內(nèi)即可驗(yàn)證身份,從而得以快速高效通行進(jìn)入會(huì)場(chǎng)。

那么在春晚1s刷臉安檢的背后,到底采用了什么技術(shù)支持?在實(shí)地安裝的時(shí)候,又會(huì)遇到哪些技術(shù)和現(xiàn)實(shí)的困難?未來(lái)會(huì)有什么值得期待?這些問(wèn)題的答案,由云天勵(lì)飛董事長(zhǎng)兼CEO陳寧在3月27日舉辦的《新智元AI峰會(huì)上》一一揭曉。

會(huì)上,陳寧介紹了針對(duì)平安城市、新零售、社會(huì)治理這三個(gè)場(chǎng)景,推出的視覺(jué)城市大腦系統(tǒng)。據(jù)悉,該系統(tǒng)已在北京、上海、深圳、杭州等全國(guó)80多個(gè)城市和新加坡等一系列海外的國(guó)家進(jìn)行了產(chǎn)業(yè)化落地。

作為一家專(zhuān)注于AI場(chǎng)景解決方案的AI芯片初創(chuàng)企業(yè),云天勵(lì)飛提出了場(chǎng)景定義芯片的概念,并基于應(yīng)用場(chǎng)景抽象出了一顆面向多層神經(jīng)網(wǎng)絡(luò)處理的芯片,以實(shí)現(xiàn)對(duì)海量數(shù)據(jù)的高效處理,以及低功耗、高性?xún)r(jià)比、算法不斷演進(jìn)等訴求。

隨著AI芯片開(kāi)始產(chǎn)業(yè)化、商業(yè)化的落地應(yīng)用,背后的信息安全就顯得尤為重要。陳寧提到,深圳的視覺(jué)城市大腦系統(tǒng)與警民app相連,可以在不到2秒的時(shí)間內(nèi)檢索任何一名犯罪嫌疑人,該系統(tǒng)協(xié)助公安破獲了一萬(wàn)多起各類(lèi)案例,包括我們開(kāi)頭提到的拐帶小孩案件。同時(shí)他還提到,公司正在從技術(shù)層面配合國(guó)家相關(guān)部門(mén),推進(jìn)人工智能立法的調(diào)研。

除了AI芯片,陳寧說(shuō)云天勵(lì)飛面向AIoT打造了一套AIOS生態(tài)平臺(tái),將算法、芯片、數(shù)據(jù)三者相結(jié)合,希望在安全性、便利性和愉悅性三個(gè)層面逐步改善人類(lèi)的生活。

以下是陳寧《芯聯(lián)萬(wàn)物,智創(chuàng)未來(lái)》的演講實(shí)錄

AI落地應(yīng)用最大的難點(diǎn)是如何處理多場(chǎng)景海量數(shù)據(jù)

陳寧(云天勵(lì)飛董事長(zhǎng)兼CEO):過(guò)去的五十年,自從個(gè)人電腦發(fā)明之后,人類(lèi)數(shù)字化生活進(jìn)入了一個(gè)爆發(fā)期,尤其是過(guò)去的三十年互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)的時(shí)代,通過(guò)智能手機(jī)觸摸屏的相應(yīng)技術(shù),由人類(lèi)適配機(jī)器,通過(guò)鍵盤(pán)鼠標(biāo)進(jìn)入觸摸屏,再進(jìn)入AIoT的時(shí)代,通過(guò)視覺(jué)和語(yǔ)音的識(shí)別大大地降低了人和機(jī)器進(jìn)行交互的門(mén)檻,也使更多的人類(lèi)能夠利用這些機(jī)器和人工智能的技術(shù)。

隨之而來(lái)的是AI為IoT的時(shí)代進(jìn)行智能化的賦能,隨著應(yīng)用場(chǎng)景的拓展,IoT又為人工智能提供了海量的場(chǎng)景數(shù)據(jù),就像人工智能的營(yíng)養(yǎng)去推動(dòng)人工智能的算法不斷進(jìn)步,逐步進(jìn)入一個(gè)通用人工智能的時(shí)代。

這樣一個(gè)有機(jī)的迭代代表著AIoT時(shí)代的啟動(dòng),而在AIoT時(shí)代提供了靈活性數(shù)據(jù)安全和高性能多方面的一系列訴求,這些海量數(shù)據(jù)和多場(chǎng)景應(yīng)用的訴求,為人工智能的芯片提出了一系列挑戰(zhàn)。

針對(duì)這樣面向多場(chǎng)景海量數(shù)據(jù)的處理,云天勵(lì)飛也在AI芯片領(lǐng)域作出了一系列探索,提出場(chǎng)景定義AI芯片這樣的一個(gè)概念。我們認(rèn)為,AIoT時(shí)代將會(huì)面向各類(lèi)場(chǎng)景擁有一系列的專(zhuān)用定制AI芯片的機(jī)會(huì)。

過(guò)去四年多的時(shí)間當(dāng)中,云天勵(lì)飛尤其是視覺(jué)城市大腦領(lǐng)域做了一系列積極的產(chǎn)業(yè)化落地探索,我們的視覺(jué)大腦主要是在平安城市、新零售、社會(huì)治理這三個(gè)領(lǐng)域,目前在北京、上海、深圳、杭州等全國(guó)80多個(gè)城市和新加坡等一系列海外的國(guó)家都有產(chǎn)業(yè)化的落地。

面向多層神經(jīng)網(wǎng)絡(luò)處理的AI芯片,處理200億城市動(dòng)態(tài)影像

目前系統(tǒng)在線處理的實(shí)現(xiàn)了前端裝載著我們的算法或者芯片3萬(wàn)多路,已經(jīng)在系統(tǒng)內(nèi)處理了超過(guò)200多億的城市級(jí)動(dòng)態(tài)影像的數(shù)據(jù),這樣一系列的場(chǎng)景涵蓋了機(jī)場(chǎng)、地鐵、社區(qū)和大型商超、火車(chē)站等等各種各樣的智慧城市的生活場(chǎng)景,也服務(wù)了一系列的重要會(huì)議和重要工程。

通過(guò)在這些具體的應(yīng)用場(chǎng)景當(dāng)中,比如人臉識(shí)別、人像識(shí)別、海量數(shù)據(jù)分析等等一系列的應(yīng)用和系統(tǒng)的理解,我們基于應(yīng)用場(chǎng)景抽象出了一顆面向多層神經(jīng)網(wǎng)絡(luò)處理的芯片。

這顆芯片擁有抽象處理160多條指令,主要是面向多層神經(jīng)網(wǎng)絡(luò)的高效可編程抽象出來(lái)的自主可控指令集,解決在人工智能芯片應(yīng)用領(lǐng)域?qū)A繑?shù)據(jù)的高效處理、對(duì)低功耗、高性?xún)r(jià)比、算法不斷演進(jìn)靈活性等等一系列訴求。

這顆處理器的指令集設(shè)計(jì)采用SIMD、VLIW以及多線程等等一系列高效率的指令集架構(gòu)設(shè)計(jì)的手段,并且為了平衡,海量數(shù)據(jù)的處理過(guò)程當(dāng)中、數(shù)據(jù)傳輸和運(yùn)算單元之間的平衡也采用進(jìn)存儲(chǔ)計(jì)算等一系列較新的架構(gòu)。

基于這樣一顆神經(jīng)網(wǎng)絡(luò)的可編程處理器,我們進(jìn)一步融合CPU和加速單元等等異構(gòu)架構(gòu),設(shè)計(jì)一系列面向視覺(jué)應(yīng)用基于異構(gòu)架構(gòu)和核心的神經(jīng)網(wǎng)絡(luò)處理器SOC的芯片。

這樣的一系列SOC芯片提供的是面向多應(yīng)用場(chǎng)景的高度靈活性,比如支持多種數(shù)據(jù)類(lèi)型、浮點(diǎn)定點(diǎn)等等多種位寬的數(shù)據(jù)操作類(lèi)型,并且兼容目前主流深度學(xué)習(xí)的框架,支持多套AI算法的應(yīng)用。

靈活性的基礎(chǔ)上同時(shí)又不失高效率,面向神經(jīng)網(wǎng)絡(luò)的各類(lèi)運(yùn)算提供了GPU兩個(gè)數(shù)量級(jí)以上的更高性?xún)r(jià)比,同時(shí)面向人工智能算法不斷的迭代和演進(jìn),也提供了在云端可以一鍵快速升級(jí)終端芯片上的算法,因?yàn)槭且粋€(gè)可編程,通過(guò)軟件迭代的方式快速實(shí)現(xiàn)軟件算法的部署和升級(jí)。

第二代芯片也是第一代SOC處理器芯片,因?yàn)榈谝淮窃?016年基于FPGA的芯片,DeepEye1000第一代SOC芯片也在2018年8月16號(hào)在新加坡投入生產(chǎn),就是22納米FD-SOI工藝的SOC異構(gòu)架構(gòu)視覺(jué)處理芯片,目前這顆芯片也在十多個(gè)AIoT應(yīng)用場(chǎng)景和城市大腦項(xiàng)目當(dāng)中進(jìn)行商業(yè)化的落地和應(yīng)用。

我們知道這樣的一系列AI芯片的背后其實(shí)信息安全就更加重要,因?yàn)樵瓉?lái)散落在城市的各個(gè)角落海量的視頻監(jiān)控?cái)?shù)據(jù),因?yàn)槿狈I的技術(shù)手段,所以這些數(shù)據(jù)當(dāng)中有用的價(jià)值很難被挖掘出來(lái),但是由于現(xiàn)在我們賦予其AI算法、芯片和數(shù)據(jù)分析的能力,可以在我們的指間方寸秒級(jí)獲取必要有用的信息。

我們?cè)谏钲谏暇€了一套視覺(jué)城市大腦系統(tǒng),2017年開(kāi)始深圳的兩萬(wàn)民警在警民終端的APP上面可以在秒級(jí)時(shí)間對(duì)城市級(jí)的視頻監(jiān)控?cái)?shù)據(jù)進(jìn)行分析,大概不到兩秒的時(shí)間通過(guò)這款A(yù)PP可以檢索任何一名犯罪嫌疑人,當(dāng)然有嚴(yán)格的權(quán)限管理,深圳的機(jī)場(chǎng)到地鐵,南山福田跨區(qū)域過(guò)去半年的活動(dòng)軌跡,這套系統(tǒng)也協(xié)助公安破獲了一萬(wàn)多起各類(lèi)案例。

AI芯片數(shù)據(jù)安全正在向自演進(jìn)、自學(xué)習(xí)的目標(biāo)發(fā)展

這是視覺(jué)城市大腦在平安城市應(yīng)用的案例,但是隨著顛覆性實(shí)戰(zhàn)效果的背后,當(dāng)然對(duì)信息安全、個(gè)人隱私也提出了一系列的挑戰(zhàn)。除了一系列SOC芯片在終端應(yīng)用和云端,芯片數(shù)據(jù)管理技術(shù)的角度提出了一系列的挑戰(zhàn)之外,制度法律法規(guī)層面我們也在配合國(guó)家相關(guān)部門(mén)推進(jìn)一些人工智能立法的調(diào)研。

基于芯片數(shù)據(jù)安全,我們知道人工智能其實(shí)還是處于一個(gè)非常早期的階段,正在從一個(gè)弱人工智能時(shí)代向一個(gè)自演進(jìn)、自學(xué)習(xí)的目標(biāo)進(jìn)行演進(jìn)。

基于這樣一個(gè)芯片的硬件平臺(tái),我們打造了AIOS。這是能夠從數(shù)據(jù)的采集、標(biāo)注、訓(xùn)練到算法的升級(jí),能夠?qū)崿F(xiàn)芯片、算法、數(shù)據(jù)有機(jī)的迭代,推動(dòng)面向應(yīng)用場(chǎng)景的算法不斷進(jìn)行自演進(jìn),甚至在終端芯片上進(jìn)行分布式的自訓(xùn)練。

結(jié)合異構(gòu)架構(gòu)的底層芯片和AIOS操作系統(tǒng)打造這樣一個(gè)面向AIoT的芯片+算法訓(xùn)練平臺(tái)的生態(tài),再結(jié)合我們?cè)诖髷?shù)據(jù)領(lǐng)域城市大腦應(yīng)用的數(shù)據(jù)分析領(lǐng)域,將算法、芯片、數(shù)據(jù)三者相結(jié)合,推動(dòng)再向無(wú)人駕駛、機(jī)器人、安防、智能制造等等一系列領(lǐng)域逐步打造這樣一個(gè)AIoT的生態(tài),推動(dòng)人工智能逐步成熟、逐步產(chǎn)業(yè)化落地,安全、便利和愉悅?cè)齻€(gè)層面逐步改善人類(lèi)的生活。

這些就是今天我?guī)Ыo大家的分享,謝謝!

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4726

    瀏覽量

    100315
  • 人臉識(shí)別
    +關(guān)注

    關(guān)注

    76

    文章

    4000

    瀏覽量

    81578
  • AI芯片
    +關(guān)注

    關(guān)注

    17

    文章

    1844

    瀏覽量

    34793

原文標(biāo)題:能處理200多億城市數(shù)據(jù),這款A(yù)I芯片具備自主學(xué)習(xí)能力

文章出處:【微信號(hào):AI_era,微信公眾號(hào):新智元】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    如何構(gòu)建多層神經(jīng)網(wǎng)絡(luò)

    構(gòu)建多層神經(jīng)網(wǎng)絡(luò)(MLP, Multi-Layer Perceptron)模型是個(gè)在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域廣泛使用的技術(shù),尤其在處理分類(lèi)和回歸問(wèn)題時(shí)。在本文中,我們將深入探討如何從頭
    的頭像 發(fā)表于 07-19 17:19 ?531次閱讀

    多層感知機(jī)與神經(jīng)網(wǎng)絡(luò)的區(qū)別

    多層感知機(jī)(Multilayer Perceptron, MLP)與神經(jīng)網(wǎng)絡(luò)之間的區(qū)別,實(shí)際上在定程度上是特殊與般的關(guān)系。多層感知機(jī)是
    的頭像 發(fā)表于 07-11 17:23 ?1062次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用場(chǎng)景及優(yōu)缺點(diǎn)

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡(jiǎn)稱(chēng)CNNs)是種深度學(xué)習(xí)架構(gòu),它在圖像識(shí)別、視頻分析、自然語(yǔ)言處理等領(lǐng)域有著廣泛的應(yīng)用。 、卷積
    的頭像 發(fā)表于 07-11 14:45 ?390次閱讀

    遞歸神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)樣嗎

    時(shí)具有各自的優(yōu)勢(shì)和特點(diǎn)。本文將介紹遞歸神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的概念、結(jié)構(gòu)、工作原理、優(yōu)缺點(diǎn)以及應(yīng)用場(chǎng)景。 遞歸神經(jīng)網(wǎng)絡(luò)(Recursive Neural Network,RvNN) 1
    的頭像 發(fā)表于 07-05 09:28 ?521次閱讀

    遞歸神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、特點(diǎn)、優(yōu)缺點(diǎn)及適用場(chǎng)景

    識(shí)別、時(shí)間序列分析等領(lǐng)域有著廣泛的應(yīng)用。本文將詳細(xì)介紹遞歸神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、特點(diǎn)、優(yōu)缺點(diǎn)以及適用場(chǎng)景、遞歸神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 基本結(jié)構(gòu) 遞歸神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 14:52 ?838次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)的應(yīng)用場(chǎng)景有哪些

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡(jiǎn)稱(chēng)RNN)是種具有記憶功能的神經(jīng)網(wǎng)絡(luò),能夠處理序列數(shù)據(jù),廣泛應(yīng)用于自然語(yǔ)言處理
    的頭像 發(fā)表于 07-04 14:39 ?715次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別在哪

    結(jié)構(gòu)、原理、應(yīng)用場(chǎng)景等方面都存在定的差異。以下是對(duì)這兩種神經(jīng)網(wǎng)絡(luò)的詳細(xì)比較: 基本結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 09:49 ?8502次閱讀

    神經(jīng)網(wǎng)絡(luò)芯片和普通芯片區(qū)別

    處理神經(jīng)網(wǎng)絡(luò)算法的芯片。它通過(guò)模擬人腦神經(jīng)元的工作方式,實(shí)現(xiàn)了對(duì)大量數(shù)據(jù)的并行處理和快速學(xué)習(xí)。 普通芯片
    的頭像 發(fā)表于 07-04 09:30 ?694次閱讀

    bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

    結(jié)構(gòu)、原理、應(yīng)用場(chǎng)景等方面都存在定的差異。以下是對(duì)這兩種神經(jīng)網(wǎng)絡(luò)的比較: 基本結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-03 10:12 ?729次閱讀

    神經(jīng)網(wǎng)絡(luò)算法的結(jié)構(gòu)有哪些類(lèi)型

    神經(jīng)網(wǎng)絡(luò)算法是深度學(xué)習(xí)的基礎(chǔ),它們?cè)谠S多領(lǐng)域都有廣泛的應(yīng)用,如圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別等。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)有很多種類(lèi)型,每種類(lèi)型都有其獨(dú)特的特點(diǎn)和應(yīng)用場(chǎng)景。以下是對(duì)
    的頭像 發(fā)表于 07-03 09:50 ?334次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的是什么

    、訓(xùn)練過(guò)程以及應(yīng)用場(chǎng)景。 1. 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 1.1 卷積神經(jīng)網(wǎng)絡(luò)的定義 卷積神經(jīng)網(wǎng)絡(luò)種前饋深度學(xué)習(xí)模型,其核心思想是利用卷積
    的頭像 發(fā)表于 07-03 09:15 ?275次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理是什么

    基本概念、結(jié)構(gòu)、訓(xùn)練過(guò)程以及應(yīng)用場(chǎng)景。 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 1.1 神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)種受人腦
    的頭像 發(fā)表于 07-02 14:44 ?435次閱讀

    神經(jīng)網(wǎng)絡(luò)反向傳播算法原理是什么

    介紹反向傳播算法的原理、數(shù)學(xué)基礎(chǔ)、實(shí)現(xiàn)步驟和應(yīng)用場(chǎng)景。 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 神經(jīng)網(wǎng)絡(luò)種受人腦啟發(fā)的計(jì)算模型,由大量的神經(jīng)元(或稱(chēng)為節(jié)點(diǎn))組成。
    的頭像 發(fā)表于 07-02 14:16 ?325次閱讀

    神經(jīng)網(wǎng)絡(luò)模型的原理、類(lèi)型、應(yīng)用場(chǎng)景及優(yōu)缺點(diǎn)

    神經(jīng)網(wǎng)絡(luò)模型是種基于人工神經(jīng)元的數(shù)學(xué)模型,用于模擬人腦的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能。神經(jīng)網(wǎng)絡(luò)模型在許多領(lǐng)域都有廣泛的應(yīng)用,包括圖像識(shí)別、語(yǔ)音識(shí)別、
    的頭像 發(fā)表于 07-02 09:56 ?778次閱讀

    NanoEdge AI的技術(shù)原理、應(yīng)用場(chǎng)景及優(yōu)勢(shì)

    能耗并提高數(shù)據(jù)安全性。本文將對(duì) NanoEdge AI 的技術(shù)原理、應(yīng)用場(chǎng)景以及優(yōu)勢(shì)進(jìn)行綜述。 1、技術(shù)原理 NanoEdge AI 的核心技術(shù)包括邊緣計(jì)算、神經(jīng)網(wǎng)絡(luò)壓縮和低功耗硬
    發(fā)表于 03-12 08:09