Общеевропейский проект «TEMPO» превратит смартфон в серверную стойку - «Новости сети»
Меню
Наши новости
Учебник CSS

Невозможно отучить людей изучать самые ненужные предметы.

Введение в CSS
Преимущества стилей
Добавления стилей
Типы носителей
Базовый синтаксис
Значения стилевых свойств
Селекторы тегов
Классы
CSS3

Надо знать обо всем понемножку, но все о немногом.

Идентификаторы
Контекстные селекторы
Соседние селекторы
Дочерние селекторы
Селекторы атрибутов
Универсальный селектор
Псевдоклассы
Псевдоэлементы

Кто умеет, тот делает. Кто не умеет, тот учит. Кто не умеет учить - становится деканом. (Т. Мартин)

Группирование
Наследование
Каскадирование
Валидация
Идентификаторы и классы
Написание эффективного кода

Самоучитель CSS

Вёрстка
Изображения
Текст
Цвет
Линии и рамки
Углы
Списки
Ссылки
Дизайны сайтов
Формы
Таблицы
CSS3
HTML5

Новости

Блог для вебмастеров
Новости мира Интернет
Сайтостроение
Ремонт и советы
Все новости

Справочник CSS

Справочник от А до Я
HTML, CSS, JavaScript

Афоризмы

Афоризмы о учёбе
Статьи об афоризмах
Все Афоризмы

Видео Уроки


Наш опрос



Наши новости

      
      
  • 24 марта 2016, 16:20
4-07-2019, 00:01
Общеевропейский проект «TEMPO» превратит смартфон в серверную стойку - «Новости сети»
Рейтинг:


На этой неделе бельгийский исследовательский центр Imec представил общеевропейский проект «TEMPO». Проект финансируется фондом ECSEL Joint Undertaking и рассчитан на три года. Решением поставленных в проекте задач будут заниматься 19 исследовательских и производственных коллективов из нескольких стран Европейского Союза. Целью TEMPO ставится разработка техпроцессов и аппаратной платформы для ускорения машинного обучения с интеграцией в состав мобильных устройств с батарейным питанием.
Общеевропейский проект «TEMPO» превратит смартфон в серверную стойку - «Новости сети»


Сегодня платформы для ML в основном реализованы на базе серверных стоек и доступны через облачные сервисы. При успешном завершении проекта TEMPO машинным обучением смогут заниматься даже смартфоны, как и самоуправляемые автомобили. В целом речь идёт о разработке решений для пограничных (периферийных) устройств и вещей с подключением к Интернету. Важнейшим условием создания высокоэффективных мобильных платформ для машинного обучения считается переход на перспективную энергонезависимую память. Память NAND плохо подходит для решения подобных задач. Вычисления желательно проводить непосредственно в тех ячейках, где хранятся данные, что требует ускоренного доступа и снижения задержек.


В качестве памяти для будущих мобильных ML-платформ рассматриваются магниторезистивная память MRAM (разработчик - Imec), ферроэлектрическая память FeRAM (Fraunhofer) и резистивная память RRAM (CEA-Leti). Одна или несколько разновидностей представленной памяти будут использованы в процессорах (ускорителях) нейронных сетей. Это будет ускоритель как для современных нейронных сетей для глубокого машинного обучения (DNN) так и ускоритель для перспективных спайковых нейронных сетей (SNN).


Разработанный в рамках проекта ускоритель должен наиболее эффективно работать в 8 случаях использования от решения потребительских задач до автомобилей и медицины. Это голосовое управление ассистентами, распознавание лиц (безопасность) и другое. Выполнять все эти и многие другие работы на удалённых сервисах сегодня стоить денег и энергии, а также сопровождается задержками, что по многим причинам неприемлемо. Серверная стойка должна переместится в задний карман, как коротко представили разработку в Imec.
Цитирование статьи, картинки - фото скриншот - Rambler News Service.
Иллюстрация к статье - Яндекс. Картинки.
Есть вопросы. Напишите нам.
Общие правила  поведения на сайте.

На этой неделе бельгийский исследовательский центр Imec представил общеевропейский проект «TEMPO». Проект финансируется фондом ECSEL Joint Undertaking и рассчитан на три года. Решением поставленных в проекте задач будут заниматься 19 исследовательских и производственных коллективов из нескольких стран Европейского Союза. Целью TEMPO ставится разработка техпроцессов и аппаратной платформы для ускорения машинного обучения с интеграцией в состав мобильных устройств с батарейным питанием. Сегодня платформы для ML в основном реализованы на базе серверных стоек и доступны через облачные сервисы. При успешном завершении проекта TEMPO машинным обучением смогут заниматься даже смартфоны, как и самоуправляемые автомобили. В целом речь идёт о разработке решений для пограничных (периферийных) устройств и вещей с подключением к Интернету. Важнейшим условием создания высокоэффективных мобильных платформ для машинного обучения считается переход на перспективную энергонезависимую память. Память NAND плохо подходит для решения подобных задач. Вычисления желательно проводить непосредственно в тех ячейках, где хранятся данные, что требует ускоренного доступа и снижения задержек. В качестве памяти для будущих мобильных ML-платформ рассматриваются магниторезистивная память MRAM (разработчик - Imec), ферроэлектрическая память FeRAM (Fraunhofer) и резистивная память RRAM (CEA-Leti). Одна или несколько разновидностей представленной памяти будут использованы в процессорах (ускорителях) нейронных сетей. Это будет ускоритель как для современных нейронных сетей для глубокого машинного обучения (DNN) так и ускоритель для перспективных спайковых нейронных сетей (SNN). Разработанный в рамках проекта ускоритель должен наиболее эффективно работать в 8 случаях использования от решения потребительских задач до автомобилей и медицины. Это голосовое управление ассистентами, распознавание лиц (безопасность) и другое. Выполнять все эти и многие другие работы на удалённых сервисах сегодня стоить денег и энергии, а также сопровождается задержками, что по многим причинам неприемлемо. Серверная стойка должна переместится в задний карман, как коротко представили разработку в Imec.
Просмотров: 715
Комментариев: 0:   4-07-2019, 00:01
Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь. Мы рекомендуем Вам зарегистрироваться либо войти на сайт под своим именем.

 
Еще новости по теме:



Другие новости по теме: