【社区热议】V社经常看起来像一个躲避电子竞技考试的学生,(CSGO,TF2,现在DOTA也是),因为大家很容易拿暴雪、拳头和Epic作参考,Valve游戏社区明明值得拥有更好的。
玩家:因为不存在(支持)所以(你们)无法批评,手动狗头;
玩家:拳头有一个专门记录开发团队在电竞上进行的工作,我希望DOTA团队中也有关注不同侧的人员,虽然他们经常看起来好像只有1个人在做所有事。#电竞赛事##dota#
玩家:因为不存在(支持)所以(你们)无法批评,手动狗头;
玩家:拳头有一个专门记录开发团队在电竞上进行的工作,我希望DOTA团队中也有关注不同侧的人员,虽然他们经常看起来好像只有1个人在做所有事。#电竞赛事##dota#
目前,采用FPGA技术实现AI应用的线上推理从而获得可定制性、低延迟和高性能功耗比成为诸多AI公司采纳的技术路线。但FPGA技术进入到大规模AI业务部署仍旧存在软件编写门槛高、性能优化受限、功耗难以控制等诸多挑战。浪潮此次发布的TF2计算加速引擎的目标就是期望为客户解决在AI应用FPGA技术的这些挑战。
TF2计算加速引擎由两部分组成,第一部分是模型优化转换工具TF2 Transform Kit,它将经过TensorFlow等框架训练得到的深度神经网络模型数据进行优化转换处理,大幅降低模型数据文件大小,如它可将32位浮点模型数据压缩为4位整型数据模型,使得实际模型数据文件大小精简到原来的1/8,并基本保持原始模型数据的规则存储;第二部分是FPGA智能运行引擎TF2 Runtime Engine,它可实现将前述已优化转换的模型文件自动转化为FPGA目标运行文件,为了消除深度神经网络如CNN等对FPGA的DSP浮点计算能力的依赖,浪潮创新设计了移位运算技术,它可将32位浮点特征图数据量化为8位整型数据,并结合前述4位整型模型数据,转换卷积操作浮点乘法计算为8位整数移位运算,这将大幅提升FPGA做推理计算的性能并有效降低其实际运行功耗。这也是目前全球首次在基本保持原始模型计算精度的前提下在FPGA上实现深度神经网络DNN的移位运算。
✋热门推荐