Application specific processor for accelerated deep learning

嵌入式视觉市场已经采用了基于卷积神经网络（CNN）的深度学习算法。这个市场正在转向更高容量和更低成本的设备。高图像分辨率和帧速率正在将计算需求推向tera-ops / s范围。CNN图和深度学习算法的持续改进促使设计人员需要灵活（且仍然有效）的实现。同时，深度学习也正在进入其他应用领域。例如，捕获以递归神经网络（RNN）形式的动态时间行为的算法被应用于声音处理和语言翻译系统。

在这样的动态环境中，具有微处理器和硬连线加速器的传统SoC架构就无法满足需求了。我们将演示特定应用处理器（ASIPs）如何协调对深度学习系统中的控制（例如CNN / RNN激活）和数据处理任务（例如卷积）的性能和灵活性的需求。

请点击此处报名