中文 英语

人工智能的新用途


AI正在嵌入到大多数芯片内部常见的技术越来越多的技术,并且初始结果显示了功率和性能的戏剧性改进。与诸如自动驾驶汽车或自然语言处理的高调AI实现不同,大部分人的大部分工作都很好地飞行。它通常采用最不中断的路径,b ...»阅读更多

如何度量ML模型的精度


机器学习(ML)是关于基于旧数据的新数据的预测。任何机器学习算法的质量最终由这些预测的质量决定。然而,没有一种普遍的方式来衡量所有ML应用程序的质量,并且对机器学习的价值和有用性具有广泛的影响。“每个行业,每一个d ...»阅读更多

人工智能系统可靠性的另一面


在无处不在的电子产品中加入智能会带来一些后果,但不一定是大多数人所期望的。如今,几乎所有电子产品都内置或添加了某种“智能”功能。这可以像烟雾警报器一样简单,当电池电量不足时提醒你,一个家庭助理了解你的时间表并调节温度,或一个r…»阅读更多

确保AI/ML在测试系统中工作


人工智能/机器学习正被越来越多地用于寻找芯片制造和测试中的模式和异常数据,从而提高终端设备的整体良率和可靠性。但由于存在太多的变量和未知数,仅使用人工智能无法可靠地预测芯片在该领域的表现。如今,每一个人工智能用例——无论是自动驾驶汽车还是工业产品……»阅读更多

固件技能短缺


没有良好软件的良好硬件是浪费硅,但是使用了许多新的处理器和加速器架构,并且所需的许多新技能,公司正在寻找足够的工程师,以满足需求的低级软件专业知识。编写编译器,映射器和优化软件与开发新的AI没有相同的Pizazz ...»阅读更多

驱动优势:使用Ethos-N77处理器驱动最佳性能


重新估算CPU,GPU或DSP是一种将ML功能添加到边缘设备的简单方法。然而,在响应性或功率效率至关重要的情况下,专用的神经处理单元(NPU)可以是最佳解决方案。在本文中,我们描述了ARM ETHOS-N77 NPU如何提供最佳性能。点击这里阅读更多。»阅读更多

AI/ML设备的反馈循环到底说明了什么?


如今,人工智能/人工智能正被设计进越来越多的芯片和系统中,但预测它们进入该领域后的表现至多只是一个不错的猜测。通常,系统的验证、验证和测试是在设备到达市场之前完成的,在可靠性可能是任务或安全标准的系统中,现场数据分析的数量越来越多。»阅读更多

边缘推理架构增殖


两部分的第一部分。第二部分将潜入基本的架构特征。去年已经看过大量的新机器学习(ML)架构的一系列公告,用于边缘推断。通过支持培训需要支撑,但任务低延迟,设备表现出极其不同的ML推理方法。“架构在Comp ...中都在改变......»阅读更多

AI和ML应用程序需要高级数据路径验证


“人工智能”(AI)一词的流行用法曾让人联想到机器人军队征服人类或邪恶的计算机智胜用户的画面,如《2001:太空漫游》(2001:A Space Odyssey)。近年来,人工智能已经成为地球上很多人日常生活的一部分。人们通过语音指令与智能手机、智能扬声器甚至电视遥控器进行交互。萨非…»阅读更多

驯服不可预测的系统


半导体系统的可预测性如何?该行业的目标是创建可预测的系统,但当胡萝卜被抛出,提供更快、更便宜或其他一些收益的可能性时,决策者总是认为某种程度的不确定性是必要的。理解不确定性至少是做出明智决策的第一步,但是需要新的工具来评估im…»阅读更多

←旧的文章