11月13至14日，由中国高科技行业门户主办，人工智能网主办的“2017中国人工智能大会”在深圳举行。Imagination公司首席PowerVR技术专家PaulBrasnett带给了主题为《ImaginationAI:StimulatetheInnovationofHumanSociety》的演说，给大家共享了人工智能在唤起人类创意方面的起到，并讲解了Imagination公司近期研发的PowerVRNNA神经网络加速器。
演说中，PaulBrasnett首先讲解了ImaginationTechnologies公司在人工智能方面的近期方案，原始、独立式的硬件IP神经网络加速器，通过神经网络(NN)专用的PowerVR架构构建，可获取业界领先的面积效率。为移动、监控、汽车与消费系统研发SoC的公司将能以非常低的功耗，在大于的芯片面积中构建新款PowerVRSeries2NXNNA神经网络加速器，以构建神经网络的高性能运算。
据介绍，PowerVRSeries2NXNNA神经网络加速器还包括硬件IP、软件与工具，可为SoC获取原始的神经网络解决方案。它能有效地继续执行所有少见的神经网络运算层。依据推理小说任务的运算市场需求，它能独立国家用于─须额外的硬件─或是与CPU和GPU等其它的处理器融合运用。
PaulBrasnett回应：“还包括卷积神经网络(CNN)、循环神经网络(RNN)和长短期记忆网络(LSTM)在内的神经网络于是以推展各个产业的爆发性技术进展。NNA是一种基本类型的处理器，预计不会跟CPU和GPU一样最重要。
”根据嵌入式视觉联盟于2017年1月展开的嵌入式视觉开发人员调查表明，79%的受访者回应他们早已利用或于是以计划利用神经网络来继续执行其产品或服务中的计算机视觉功能。随着科技持续的较慢进展，更好的公司都将需要利用神经网络来研发产品与服务。回应，PaulBrasnett回应：“神经网络加快的专用硬件将沦为未来SoC的标准IP模块，就如同CPU和GPU一样。
我们很高兴首度向市场发售原始的硬件加速器，能几乎反对低精准度的灵活性方式，使神经网络能以低于的功耗与比特率运作，并获取高于竞争对手方案的意味著性能与单位面积性能。我们获取的工具将能让开发人员十分较慢地落成并继续执行其神经网络，因此能较慢减少营收。”随后，PaulBrasnett针对PowerVR2NXNNA明确应用于市场做到了明确理解，主要还包括以下五个方面：1.移动随着TensorflowLite以及AndroidAPI的将要公布，再行再加Caffe2Go架构的较慢进展，我们将看见智能手机AI应用程序数量的较慢愈演愈烈。PowerVR2NX是现今唯一的一套IP解决方案，能以低功耗、小面积、MMU和对Android的反对，来符合移动解决方案部署的所有市场需求。
在GPU不可或缺的移动设备中，公司能把新的PowerVRSeries9XE或9XMGPU与2NXNNA在完全相同的芯片中配上运用，以作为独立式GPU。其出色的性能不足以和业界的独立式GPU竞争。
2.智能监控家庭与商业场所加装的监控摄影机数量于是以大量减少，将推展神经网络视觉处置的市场需求。考虑到比特率市场需求、数据机密性与其他因素，摄影机的设计必需重新加入一定程度的“网络边缘”(edge)视频信息分析处置的能力。由于这些摄影机一般来说没GPU或是仅有十分小的GPU，以及较低性能的CPU，因此它们必须一个高效率、高性能的独立式神经网络加速器。2NXNNA是理想的自由选择，并且不具备高度可扩展性，能同时符合消费性与商用的市场需求。
3.汽车汽车的神经网络应用还包括驾驶员警觉性监测、驾驶员视线跟踪、座位用于、路标检测、驾驶员路线分析、道路使用者检测、驾驶员识别以及其他。随着未来几年自动驾驶汽车与智能型运输系统的数量将日益减少，这些应用于将持续拓展。在汽车系统中，必须2NXNNA这样的原始硬件解决方案，才能符合涉及的性能需求。4.家庭娱乐机顶盒和电视将渐渐获取基于神经网络的解决方案，例如需要适应环境特定使用者偏爱的能力，获取自动的儿童锁住，以及根据使用者不道德自动停止与录音节目。
凭借这些特性，公司能提高其差异性并减少营收。要在这些设备上建构神经网络的关键是高效率的比特率与低成本，以及反对NNAPI─这些都是2NXNNA的最重要特性。此外，还有许多新兴的NNA娱乐应用于，还包括AR/VR。
5.修改开发人员的工作Imagination可为开发人员获取所有适当的工具，让他们能较慢、精彩地落成和继续执行其神经网络，并保证运算比特率能与准确度极致均衡。PowerVR2NX的开发资源还包括同构(mapping)和微调工具、样本网络、评估工具与文件。原始的PowerVRNXMappingTool能从业界标准的机器学习框架，还包括Caffe和Tensorflow，精彩展开切换。
高级的网络设计人员将能在2NXNNA上设计与建构神经网络，以充分发挥其硬件特性。Imagination也可获取标准化的ImaginationDNN(深度神经网络)API，能在CPU、GPU与NNA之间精彩切换。
此单一的API需要横跨多种SoC配备继续执行，因此能在现有设备上精彩研发原型。更加多详尽内容，若无注目人工智能网先前专题报道！。
本文来源：HTH官网-www.lingleidj.com
