در دوران داده های بزرگ، آموزش عمیق، نیروی اصلی هوش مصنوعی است. شرکت تحقیقاتی گارتنر اشاره کرد که تا سال 2018، 80 درصد از دانشمندان داده، یادگیری عمیقی را در ابزارهای خود درک خواهند کرد. موفقیت در یادگیری ماشین و هوش مصنوعی نیاز به بیش از با تکیه بر داده ها و الگوریتم ها نیز نیاز به ادغام مهارت ها، زیرساخت ها و تشخیص کسب و کار.
سرعت بخشیدن به بنیانگذار ابر و مدیر عامل شرکت وو باند گفت: "هوش مصنوعی وارد زندگی ما، اما هنوز هم تنگناها در آینده وجود دارد، ما نیاز به شکستن جنبه سخت افزار از تکنیک ها و الگوریتم های محاسبات ناهمگن آینده معماری محاسباتی است و FPGA به دستیابی به مختلف. محاسبه پیکربندی کامل است. سرعت بخشیدن به نوآوری ابر ناهمگن پلت فرم محاسبات راه حل شتاب، کارایی بالا، راندمان بالا، ویژگی های تاخیر کم و قابلیت برنامه ریزی و پیکر بندی دوباره قابلیت از راه دور، ایده آل برای تقاضای ترافیک الاستیک بر روی ابر. ما امیدواریم که که از طریق فن آوری ما، کمک به شرکت های بیشتر درک عمق یادگیری، دست آوردن دست بالا در عصر داده های بزرگ.
راه اندازی ابر به سرعت بخشیدن به چهار محصول: دو سری از محصولات شتاب سخت افزاری (SC-OPS، SC-VPX)، دو کتابخانه IP (FDNN، FBLAS)، سه راه حل (راه حل های یادگیری عمیق، محاسبات با کارایی بالا و راه حل های پردازش سیگنال دیجیتال، راه حل های محاسبات لبه).
محصولات: • SC-OPS است برای سرعت بخشیدن به راه اندازی اولین ابر جهان اینتل Stratix 10 FPGA کارت شتاب دهنده، با استفاده از آخرین فرآیند 14nm اینتل دستگاه Stratix10 GX2800 FPGA، می توان به طور گسترده ای در مراکز داده، رایانش ابری، بینایی ماشین، یادگیری عمیق، بالا استفاده می شود محاسبات با کارایی، شبیه سازی، امور مالی و زمینه های دیگر.
• SC-VPX بالاترین تراکم محاسبه پلت فرم شتاب تیغه VPX در جهان، با استفاده از اینتل Stratix دستگاه 10 GX2800 GX1650 سازگار است، صنعت ساخت و ساز پیشرفته، پردازش سیگنال انعطاف پذیر و کارآمد و چارچوب یادگیری عمیق، به طور عمده در موسسه و دیگر واحد های دانشگاه رادار واقع، ارتباطات، نمونه سازی سریع و الگوریتم توسعه و کاربرد در زمینه های مرتبط با یادگیری عمیق.
• شتاب کتابخانه یادگیری عمیق FDNN FPGA اولین حمایت داخلی کتابخانه پیچیدگی معمول شتاب شبکه عصبی است، بر اساس کد RTL می توانید با کارایی بالا و ویژگی های پیکربندی انعطاف پذیر صنعت محاسبات با کارایی بالا ارائه است تسریع FBLAS کتابخانه RTL عملکرد بالاتر کتابخانه شتاب ریاضی درجه.
• عمیق آموزش راه حل معرفی راه حل های شتاب - سرعت بخشیدن به معرفی مجموعه ای از برنامه یادگیری عمیق-FPGA شتاب مبتنی بر ابر، از جمله SC-OPM / SC-OPF / SC-OPS شتاب دهنده برای سرعت بخشیدن و کتابخانه FDNN، برای دیدار با عملکرد بالا یادگیری عمیق مشتریان، درخواست شتاب انعطاف پذیری. به منظور تسهیل مشتریان به استفاده از توسعه زبان سطح بالا، سرعت بخشیدن به FPGA از OpenCL محیط توسعه ناهمگن کامل مبتنی بر ابر، به سرعت پیاده سازی عمق تعریف شده توسط کاربر شتاب برنامه یادگیری، در حالی که همچنین ارائه سریع ابر شتاب خدمات شبکه شتاب عمق سفارشی عصبی.
• دیجیتال راه حل های پردازش سیگنال - برای رادار، ارتباطات و سایر سیستم مورد نیاز پردازش سیگنال دیجیتال، همراه با شدن فرآیند 14nm خانواده Stratix10 FPGA اینتل برای سرعت بخشیدن به ابر فراهم می کند راه حل برای یک مجموعه کامل از سخت افزار و نرم افزار ترکیب، برای رسیدن به کارایی بالا عملیات ماتریس (ضرب ماتریس، جابجایی، وارونگی، تجزیه QR) و فوق العاده FFT با سرعت بالا (تبدیل فوریه). به منظور تسهیل مشتریان به استفاده از توسعه زبان سطح بالا، سرعت بخشیدن به FPGA مبتنی بر ابر کامل محیط توسعه از OpenCL ناهمگن، به سرعت پیاده سازی سفارشی برنامه شتاب پردازش سیگنال.
• راه حل های محاسبات لبه - برای سرعت بخشیدن به راه حل های کنترل صنعتی هوشمند با استفاده از کارایی بالا دستگاه اینتل Arria10 GX660 دارای یک طراحی مدولار، ویژگی های قوی و با کارایی بالا در زمان واقعی شتاب الگوریتم IP، کامل ناهمگن محیط توسعه از OpenCL است که می تواند نسل جدیدی از کارایی بالا فعال لبه دروازه محاسبات، مورد استفاده در محیط های مختلف صنعتی.
، سرعت بخشیدن به فن آوری های جدید، آینده درایو فکری در آوریل 17، 2018 - تاریخ بین 27 برگزار می شود، نه تنها برای سرعت بخشیدن به ابری از راه اندازی محصول جدید، برای جذب مشارکت بیشتر بسیاری از فروشندگان پیشرو و سازمان های صنعتی، از جمله اینتل، Cytech، Tencent به، به Jingdong، گروه ایالات متحده، Jinshan در، iFLYTEK، خیر، Sogou، برق غربی، دانشگاه Tsinghua، موسسه پکن از فناوری، موسسه محاسبات، و غیره، تبدیل شدن به مشتریان تسریع ابر و صنعت قهوه بزرگ و امکان یک چشم انداز مشترک آینده محاسبات مهم ناهمگن اجلاس سران