1. ویار اور سمارٹ چپس نے ورلڈ کپ سٹیڈیم کا اعلان کیا. فرانسیسی ٹیم نے سب سے بڑا فاتح بنایا؛
بیجنگ بیجنگ، 16 جون الیکٹرک ورلڈ کپ، فیفا اہم اصلاحات کا آغاز: سب سے پہلے آغاز VAR (ویڈیو اسسٹنٹ ریفری)، اور 16th کھیل میں تیسرے میچ میں گیند کی دوڑ میں ایک ہوشیار چپ کے ساتھ پرتیاروپت. دن، فرانس کی ٹیم دوبارہ آسٹریلیا کی ٹیم کے ساتھ دانو میں فائدہ اٹھانے والے بن گیا اور دونوں نے پہلی سازش کی سزا دیدی.
ویڈیو ریفری کے اسسٹنٹ کے ساتھ بات چیت کے بعد، کونہا فرانسیسی ٹیم ایک سزا تبدیل دی.، مقصد میں آسانی گیند Gelieziman تبدیل VAR پر انحصار کرنا فرانسیسی ٹیم بنانے، اگلے شہر کے سامنے یہ تبدیل VAR پہلی بار ہے نتیجے میں جرمانہ کک.
اس جرم نے بہت سے تنازعے کی مذمت کی. کھیل کے بعد پریس کانفرنس میں، فرانسیسی کوچ Deschamps نے کہا کہ یہ گیند اسپین پر پرتگال کی طرف سے پچھلے دن کی طرح سزا کی طرح ہے. میرے آسٹریلوی ٹیم کے ڈچ کوچ وان Marwijk ریفری کے فیصلے کا خیال ہے کہ یہ انصاف کے ایک اسقاط حمل تھا: 'میں ویڈیو ری پلے نہیں دیکھا ہے، لیکن میں ٹھیک ہوں، مگر میدان پوزیشن میں واضح طور پر دیکھتے ہیں، یہ نہیں ہونا چاہئے ایک جرمانہ کک. ریفری کی پوزیشن قریب ہے، لیکن اس نے ابتدائی طور پر کہا کہ کوئی جرم نہیں تھا اور کھیل جاری رہا. ہمارا وار کا شکار ہیں، لیکن ہم اس فیصلے کو چیلنج نہیں کریں گے.
VAR اور اسمارٹ چپ منافع سے ایک قطار میں ورلڈ کپ میں فرانس کی ٹیم کو بھی ان سے پہلے خوش قسمت. 1998 میں فیفا سرکاری طور پر ورلڈ کپ میں 'اچانک موت سنہری مقصد' اور بعد میں چاندی گیند ٹیکنالوجی 1998 میں شروع کیا جاری رکھا پیراگوئے کے ساتھ ورلڈ کپ کے ناک آؤٹ راؤنڈ، فرانسیسی محافظ لاریں بلانک کٹوتی کے بعد فرانسیسی ٹیم ورلڈ کپ کی تاریخ گولیاں میں پہلی گولڈن گول فرانس کوالیفائی کرنے میں مدد کرنے کے لئے. انمول سنہری مقصد کے اس اناج کے ساتھ پورے راستے کے ذریعے، بالآخر گھر کی سرزمین پر ورلڈ کپ جیت لیا. اس اصول دو 2004 فیفا کے نفاذ کے بعد سنہری مقصد نظام اور چاندی گیند کے نظام کو منسوخ کر دیا، بہت بڑا اور بہت ظالمانہ موقع ہے کے بعد سے.
فٹ بال کی ترقی، کھلاڑیوں کی حفاظت کے لئے اور کھیل کے تسلسل کی ضمانت کے لئے کو فروغ دینے کے لئے، فیفا کے قواعد میں سے کچھ نظر ثانی کرنے کی کوشش کی گئی ہے. تاہم، کچھ لوگوں کو خوش دوسروں اداس ہو رہے ہیں. 1970 میں، پیلے اور سرخ کارڈز کے پہلے استعمال 9th کے ورلڈ کپ میکسیکو میں منعقد، سب سے پہلے پیلا کارڈ 1974 میں سابق سوویت یونین Roper گورباچوف نے جیتی.، چلی کے خلاف دسویں ورلڈ کپ کے میچ میں ویسٹ جرمنی میں وفاقی جمہوریہ جرمنی، ترکی بابا کان نے ایک ورلڈ کپ ریفری چلی کھلاڑیوں فیڈل سے Zeljko کی تاریخ میں جاری پہلا سرخ کارڈ جرم کیا جائے گا. (اختتام)
2. GPU، FPGA چپ مشین سیکھنے کو بڑھانے کے لئے ایک 'دائیں ہاتھ' بن گیا ہے؛
تجارتی سافٹ ویئر میں 'اسمارٹ Netease نیوز 17 جون خبر'، کمپیوٹر چپس بھول جا چکا ہے. کمرشل ایپلی کیشنز کے لیے، اس کی وجہ ذاتی روبوٹکس اور ہارڈ ویئر کو زیادہ قریب سے منسلک، اور اس وجہ سے مینوفیکچرنگ ایپلی کیشنز کی ایک شے ہے اب بھی ہارڈ ویئر کے حصے پر زیادہ توجہ مرکوز.
1970s کے بعد سے، مجموعی طور پر، مصنوعی ذہانت کے جمود (اے آئی) اور سیکھنے (DL) کی گہرائی کے لئے مخصوص تعلقات، ہارڈ ویئر اور سافٹ ویئر کے لنکس کے لئے پہلے سے کہیں زیادہ مضبوطی اور میں نے حال ہی میں کئی 'مینجمنٹ ہیں مصنوعی ذہانت (مینجمنٹ AI) 'زیادہ فٹنگ اور تعصبات کے ساتھ کے مضامین، دو بڑے خطرات (ایم ایل) کو سیکھنے کی مشین کے نظام میں موجود ہیں. اس کالم کے مینیجرز کی ایک بڑی تعداد، خاص طور پر ہارڈ ویئر کے کاروبار کی لائن مینیجرز عملدرآمد کیا جا سکتا ہے کی جانچ پڑتال کرے گا مخففات مسئلہ، ان مخففات ذکر ایک مشین لرننگ نظام میں رہتے ہیں: ایک گرافکس پروسیسنگ یونٹ (گرافکس پروسیسنگ یونٹ، GPU)، اور میدان کرمادیش گیٹ arrays کے (میدان کرمادیش گیٹ سرنی، FPGA).
GPU تیز سے Tensor مطلوبہ گہرائی سیکھنے آپلیکیشنز (سے Tensor) دلچسپی کے FPGA نقطہ کی پروسیسنگ AI الگورتھم، ان کی تربیت کے نظام کا مطالعہ کرنے کے نئے طریقے تلاش کرنے کے لئے ہے کے طور پر یہ GPU کی قدر کو سمجھنے کے لئے میں مدد ملتی ہے، اور اب تعینات کرنے کا آغاز کر رہے ہیں صنعتی ایپ ایپلی کیشنز میں بہت سارے کم حجم کسٹم سسٹم کا مطالعہ کیا گیا ہے. اگرچہ یہ تربیت کے لئے FPGAs کی صلاحیتوں کے بارے میں بحث ہے، میرا یقین ہے کہ ابتدائی استعمال ایف، فیلڈ کے استعمال کے سبب تھا.
مثال کے طور پر ایک تربیتی تخمینے انجن (سیکھنے مشین بنیادی 'مشین') گیگا بائٹس کی ضرورت ہو سکتی ہے، اور ڈیٹا سینٹر میں ڈیٹا کی بھی terabytes کو استدلال چل رہا ہے، کمپیوٹر کو منظم کرنا ہوگا سمورتی صارف کی درخواستوں کی ایک بڑھتی ہوئی ممکنہ کنارے ایپلی کیشنز میں، چاہے ڈرونوں میں پائپ لائنوں کا معائنہ کرنا یا اسمارٹ فونز میں استعمال کیا جاتا ہے تو، سامان چھوٹے اور اب بھی مؤثر، ابھی تک قابل اطلاق ہونا ضروری ہے. سادہ اصطلاحات، ایک CPU اور ایک GPU میں. دو آلات، اور FPGA مختلف چیزیں کرنے کے لئے ایک مختلف بلاک ہو سکتا ہے، اور یہ ایک مضبوط چپ کے نظام فراہم کرنے کے لئے ممکن ہے. ان تمام مختلف ضروریات کے پیش نظر، اس نظام کے فن تعمیر کی موجودہ حالت کو سمجھنے کے لئے مختلف ضروریات کی حمایت کر سکتے ہیں سب سے بہتر ہے.
چپ ڈیزائن کی دو اہم اقسام ڈرائیو کر سکتے ہیں ہیں موجودہ ایم ایل سسٹم، GPU، اور FPGA. درمیانی مدت مستقبل (کم از کم چند سال) میں، تبادلوں کے کھیل تقاضا ایک نئی ٹیکنالوجی ہو سکتی ہے. چلو دیکھتے ہیں.
گرافکس پروسیسنگ یونٹ (GPU)
مشین لرننگ دنیا کی سب چپ گرافکس پروسیسنگ یونٹ GPU ہے یہ بنیادی طور پر کمپیوٹر کے کھیل میں استعمال کیا جاتا ہے کمپیوٹر مانیٹر کی مشین کے لئے بہتر چیزیں اہم بن کرنے کا طریقہ؟ سیکھنے لگ رہا ہے پر یہ بتائیں اس کو سمجھنے کے لئے، ہم نے سافٹ ویئر پرت میں واپس جانا ضروری ہے.
مشین لرننگ موجودہ چیمپئن گہرے لرننگ (DL) نظام ہے. نیورل نیٹ ورک (DNN)، convolutional نیورل نیٹ ورک (سی این این)، بار بار نیورل نیٹ ورک (سے Rnn) اور بہت سے دوسرے ایڈیشن کی گہرائی سمیت مختلف یلگوردمز کی بنیاد پر DL نظام. آپ ان تین شرائط دیکھا جاتا مطلوبہ الفاظ کی 'نیٹ ورک (نیٹ ورک). الگورتھم، ایک موضوع کی ایک مختلف ہے موضوع مواصلات نوڈس، مراکز اور پرت کی مختلف اقسام کی تہوں کے درمیان ہے.
کارروائی ہو رہی اریز یا قالب کی ایک بہسنکھیا ہے. یہ اتنا صنعت بھر سیکھنے مشین کی TensorFlow طبقے کے طور پر استعمال کیا جاتا ہے ایک اور میٹرکس (میٹرکس)، ایک زیادہ درست اصطلاح سے Tensor (سے Tensor) ہے.
اب واپس آپ کے کمپیوٹر کی سکرین پر. آپ کو قطار اور کالم پکسلز یا نقطوں کی ایک میٹرکس کے طور پر دیکھا میں اسے استعمال کر سکتے ہیں. یہ ایک دو جہتی میٹرکس یا سے Tensor ہے کہ آپ کا رنگ شامل کرنے پر، تھوڑا سا ہر پکسل کا سائز کرنے کے لئے، کو شامل چاہتے ہیں کی ایک ہی تصویر کے لئے ایک تیزی سے تبدیل کرنے اور فوری طور پیچیدہ ہو سکتا کمپیوٹنگ CPU چکروں میں قدم بہ قدم. GPU، اس کی اپنی میموری ہے ایک گرافک میٹرکس پھر ایک ریاضیاتی سے Tensor کا استعمال کرتے ہوئے حساب کیا جا سکتا کے طور پر پوری تصویر محفوظ کر لیا ہے تک لے جاتا ہے جب بہت تیز پوری سکرین کی تصویر تبدیلیوں رنگنا زیادہ تصویر ہر وقت اس عمل کو تبدیل، اور پھر اسکرین پر صرف متاثرہ پکسلز تبدیل.
NVIDIA 1993 میں عام کمپیوٹر کے مسائل کو حل کرنے کے لئے ایک چپ تخلیق کا مقصد، جیسا کہ ایک CPU میٹرکس حل نہیں کیا جا سکتا ہے وغیرہ یہ GPU کی پیدائش ہے.
میٹرکس آپریشن، مختلف کارروائیوں ویرل میٹرکس پر منحصر ہے کیونکہ، حتمی مصنوعات کی ہے کیا پرواہ نہیں ہے، لیکن صرف عناصر پر کارروائی. یہ ایک معمولی oversimplification ہے گھنے قالب سے مختلف کام کرنے کے مختلف طریقے ہیں (بہت سے صفر سے ہیں جب) لیکن مواد گہرائی سیکھنے نظریہ GPU کی ترقی دیکھتے ہیں تو فوری طور پر اس سے Tensor کارروائیوں کو تیز کرنے کے لئے اپنایا ہے، حقیقت رہتا ہے. آپریشن کو تبدیل نہیں کرے گا.
GPU تربیت اور استدلال کو فروغ دینے کی مشین لرننگ، ڈیٹا سینٹر کی ترقی کے لئے ضروری ہے. مثال کے طور پر، NVIDIA وولٹا V100 سے Tensor کور اس کے بنیادی فن تعمیر اور استدلال کے لحاظ سے ایک کم درستگی میں چلانے کے لئے کی صلاحیت ہے (یہ ایک اور موضوع ہو جائے گا میں تیزی لانے کے لئے جاری اس کا مطلب یہ ہے کہ کم بٹس، جو تیز رفتار پر عملدرآمد کا مطلب ہے.
فیلڈ پروگرام قابل گیٹ آرٹ (FPGA)
اس میدان میں، تمام قسم کے ایپلی کیشنز مختلف ضروریات ہیں. بہت سے مختلف درخواست والے علاقوں، گاڑیاں، پائپ لائنز، روبوٹ وغیرہ ہیں. مختلف صنعتوں کو ہر قسم کی درخواست کے لئے مختلف چپس ڈیزائن کر سکتے ہیں، بہت مہنگی ہو اور سرمایہ کاری پر کمپنی کی واپسی کو کمزور کرے گا کرے گا. میں بھی ان لوگوں کی مارکیٹ کے پیمانے کے کافی معیشتوں کو چیک نہیں کر سکتے ہیں جو انتہائی انفرادی ضروریات کے لیے اہم کاروباری مواقع لاپتہ، مارکیٹ کرنے کے لئے وقت ملتوی ہو سکتے ہیں خاص طور پر معاملہ ہے.
FPGA کمپنیوں اور محققین چپ کا مسئلہ حل کرنے میں مدد کرنے کے لئے. FPGA مختلف مقاصد کے لئے پروگرام کیا جا سکتا ہے کہ ایک مربوط سرکٹ ہے. یہ بلاکس اور 'کرمادیش منطق بلاک' کا ایک سلسلہ کے بلاکس کے درمیان ایک پروگرامنگ اور تعلقات رکھتا ہے. یہ ہے ایک عالمگیر آلے جو مختلف قسم کے استعمال کے لئے اپنی مرضی کے مطابق کیا جاسکتا ہے. بڑے سپلائرز زیلینکس اور نیشنل آلات شامل ہیں.
خاص طور پر، کم لاگت چپ ڈیزائن پیچیدگی کرمادیش سرکٹس کم لاگت FPGA کے مسئلے کو منتخب کیا جا پڑتا ہے. وہ عام طور پر سب سے بہترین تحقیق یا صنعتی ایپلی کیشنز کے لیے موزوں ہیں. اور یہ کم لاگت کے لئے مناسب نہیں ہے ڈیزائن صارفین کی ایپلی کیشنز
چونکہ FPGA ریپروگرامم جا سکتا ہے، جس سے یہ مشین لرننگ کی ابھرتی ہوئی فیلڈ کے لئے قابل قدر بلندی الگورتھم، اور reprogramming بلاک ٹھیک ٹیوننگ کی طرف سے مختلف یلگوردمز بڑھ رہی ہے ہوتا ہے. اس کے علاوہ، کم صحت سے متعلق، کم طاقت FPGA ریموٹ سینسر کیلئے قیاس یہ ایک اچھا مجموعہ ہے. موجد 'سائٹ (میدان)'، بہتر 'کلائنٹ (کسٹمر)' کے طور پر جانا جاتا ہے جبکہ، لیکن یہ پلانٹ کے لئے ہے یا نہیں، میدان میں عملی AI ایپلی کیشنز کے حصول میں FPGA حقیقی فائدہ ، سڑکوں اور پائپ لائنوں اور دیگر بنیادی ڈھانچے، یا UAV ریموٹ پتہ لگانے، FPGA کے نظام ڈیزائنرز، مختلف مقاصد کے حصول کے لیے ہارڈ ویئر کا ایک ٹکڑا استعمال کرنے کے لئے زیادہ آسانی سے آن سائٹ کی ایپلی کیشنز کو منظم کر سکتے ہیں جس میں آسان جسمانی ڈیزائن، کو چالو کرنے کے لئے لچک کی اجازت دیتا ہے.
نیا فن تعمیر جلد ہی آ رہا ہے
GPU اور FPGA فی الحال حل کرنے کی مارکیٹ اثر انہوں نے کیا ہے اس صنعت کی ترقی کے بارے میں فکر مند زیادہ لوگوں کی اجازت دینا ہے کی کئی چیلنج کرنے سیکھنے تراکیب مشین کو وسیع، اور بروقت درخواست کے لئے ایک نیا فریم ورک تخلیق کرنے کے لئے کوشش کرنے کے لئے کس طرح کی مدد کر رہے ہیں.
ایک طرف، بہت سی کمپنیاں GPU پر سے Tensor کارروائیوں کے سبق سیکھنے کی کوشش کر رہے ہیں. ہیولٹ پیکارڈ، IBM اور انٹیل کمپیوٹنگ آلات سیکھنے کے سے Tensor گہرائی کی اگلی نسل کے لئے ایک خاص منصوبہ.، Cambricon، Graphcore اور لہر کمپیوٹنگ کی طرح تیار کیا ہے ایک ہی وقت میں اس طرح کے شروع کرنے کے لئے بھی وہی کام کرنے کی کوشش کر رہی ہے.
دوسری طرف، بازو، انٹیل اور دیگر کمپنیوں GPU اور سی پی یو کا فائدہ اٹھانے کے فن تعمیر ڈیزائن کر رہے ہیں، اور آلہ بھی مشین مارکیٹ سیکھنے کا مقصد، صرف بنیادی AI ارد گرد دوسرے عمل کے لئے سے Tensor حساب کتاب توجہ مرکوز سے زیادہ کرنے کے قابل ہو جائے کرنے کے لئے کہا پروسیسنگ بھی زیادہ طاقتور ہے.
اگرچہ ان میں سے بعض تنظیموں کو اعداد و شمار کے مراکز اور چیزوں کے دیگر انٹرنیٹ پر توجہ مرکوز ہے، اگرچہ ان میں سے کسی کے بارے میں بات کرنا بہت جلد ہے.
گلوبل کمپنیوں سے شروع ہونے والے کمپنیوں سے، ایک غار یہ ہے کہ ابتدائی معلومات کے علاوہ کوئی معلومات نہیں ملی ہے. اگر ہم 2020 تک ابتدائی آلے کے نمونے دیکھیں گے، تو یہ حیرت انگیز ہو گا، لہذا وہ کم از کم پانچ سال کی عمر میں ہیں. درج نہیں ہے
(سے منتخب: فوربس مصنف: ڈیوڈ A. Teich تالیف: نیویارک ذہین شرکت: nariiy)
3. انٹیلیل 10nm پروسیسر نمائش چھوٹے بیچ شپمنٹ
کیونکہ عدم تعمیل کی انٹیل 10nm عمل پیداوار، بڑے پیمانے پر پیداوار، 2019 تک ملتوی کر دی گئی ہے اب صرف ایک چھوٹے حجم کی ترسیل، کور i3-8121U کی صرف 15W بجلی تھرمل ڈیزائن کم وولٹیج ورژن (خاندان تپ جھیل نام سے جانا جاتا مصنوعات )، اور صرف لینووو اس کا استعمال کر رہا ہے.
i3-8121U تفصیلات ڈبل کور چار موضوعات ہے، 2.2-3.2 گیگاہرٹز، تین سطح کیش 4MB، میموری سپورٹ ڈبل چینل DDR4 / LPDDR4-2400 32GB، تھرمل ڈیزائن بجلی کی کھپت 15W.
ایٹمی حصہ کی معلومات شائع نہیں کی گئی تھی. اس کی وجہ سے پیدا ہونے والی مسئلہ کو غیر فعال کردیا گیا تھا. لہذا لینووو نے ایم ڈی ڈی کو غیر معمولی گرافکس کارڈ بھی شامل کیا.
پہلی i3-8121U میں انکشاف یہ پیکج انتظامات پچھلے مصنوعات کے ساتھ مطابقت دیکھا جا سکتا ہے 'گویا' جرمن میڈیا ComputeBase ہارڈ ویئر، اب بھی ایک پروسیسر کور، ایک کور چپ سیٹ ایک ساتھ پیکج ہے، BGA مربوط پیکجوں motherboard پر سولڈرڈ.
ہم آٹھ نسل کور جوڑی انٹیل کے کم وولٹیج ورژن سرکاری طور پر ایک تصویر دی پایا آپ کو ایک پروسیسر کو تلاش کر سکتے ہیں، chipset کے cores کے چھوٹے، پیکیج ٹانکا لگانا جوڑوں اور capacitive عناصر بھی بہت بدل سکتے ہیں، یہ اب کوئی ہم آہنگ ہونا چاہئے.
ComputeBase نے پتہ چلا کہ i3-8121U کے مجموعی پیکیج سائز 45 x 24 ملی میٹر (سرکاری نردجیکرن کے مطابق) ہے، تقریبا 71 ملی میٹر 2 کے پروسیسر علاقے اور تقریبا 47 ملی میٹر کا چپس سیٹ ہے.
تحقیق کے مطابق، اگرچہ ٹرانجسٹروں انٹیل 10nm عمل کی کثافت مربع ملیمیٹر کے برابر یا سیمسنگ، TSMC، GlobalFoundries 7nm کی سطح سے بھی زیادہ فی 100 ملین، لیکن ان کی اپنی 14nm مصنوعات موازنہ سے زیادہ، تبدیلی بڑی لگتا نہیں ہے کہ پایا.
آپ جانتے ہیں، علاقے کے انٹیل کی پہلی نسل 14nm براڈیلویل- یو پروسیسر حصہ صرف 82 مربع ملی میٹر ہے، صرف 10nm صرف 13 فیصد کی کمی ہے، اور ہم تمام ڈبل کور چار موضوعی ہیں، 4MB تین کیش ہیں، صرف جوہری اعدام یونٹس سے 24 سے 40 تک اضافہ ہوا، اور AVX512 ہدایات سیٹ کی حمایت کرتے ہیں.
اس کے علاوہ، 45 x 24 ملی میٹر مجموعی پیکج 42 x 24 ملی میٹر کے موجودہ 14 نیم کم وولٹیج ورژن سے تھوڑا بڑا ہے.