PPC902AE101 ejecuta tareas complejas y facilita la gestión del sistema
Los requisitos de hardware para manejar cargas de trabajo de IA varían según el caso de uso. La IA puede aprovechar una amplia gama de entradas, incluidos vídeo, imágenes, audio, sensores y datos de PLC. El desafío para los arquitectos de sistemas es elegir el mejor núcleo informático para sus aplicaciones de IA.
Esta guía le ayudará a comprender los diferentes tipos de núcleos de procesamiento disponibles en los sistemas perimetrales y sus ventajas.
1. Unidad central de procesamiento
La unidad central de procesamiento (CPU) es un procesador de uso general, normalmente con entre 4 y 16 núcleos. La CPU ejecuta tareas complejas y facilita la gestión del sistema. Funcionan bien con entradas de datos mixtas, como sistemas que utilizan tanto audio como texto, así como procesos de extracción, transformación y carga (ETL).
2. Oficina de Seguridad Política del Estado. VerOGPU
Las unidades de procesamiento de gráficos (GPU) son núcleos altamente paralelos (100 o 1000) que se utilizan para la representación de gráficos de alta velocidad. Proporcionan procesamiento de alto rendimiento, normalmente ocupan un espacio mayor y consumen más energía que las CPU.
Debido a su gran cantidad de núcleos pequeños, las GPU son muy adecuadas para cargas de trabajo de inteligencia artificial, ya que ayudan con el entrenamiento de redes neuronales y la inferencia de inteligencia artificial.
3. Field Programmable Gata Array (abreviatura de Field Programmable Gata Array)
Los conjuntos de puertas programables en campo (FPGA) son puertas lógicas configurables que consumen menos energía que las CPU y GPU. Apoyan la reprogramación in situ por parte de ingenieros con experiencia en programación.
Pueden ser la mejor opción cuando se requiere un alto grado de flexibilidad.
4.Circuito integrado de aplicación específica
Los circuitos integrados de aplicaciones específicas (ASIC) son lógica personalizada diseñada utilizando la biblioteca de circuitos del fabricante y ofrecen las ventajas de bajo consumo de energía, alta velocidad y tamaño pequeño. Sin embargo, su diseño requiere mucho tiempo y es más caro que otras opciones, por lo que se recomiendan los ASIC para productos que se ejecutan en grandes volúmenes.
Los tipos de ASIC incluyen:
-
Unidades de procesamiento de visión (VPU), procesadores de imagen y visión y coprocesadores
-
Unidades de procesamiento tensorial (TPU), como la primera TPU desarrollada por Google para su marco de aprendizaje automático TensorFlow
-
Unidad de Computación Neural (ncu), incluida la Unidad de Computación Neural de ARM
Cada tipo de núcleo es adecuado para diferentes tipos de informática y se utiliza en conjunto en aplicaciones informáticas heterogéneas para proporcionar todas las capacidades necesarias para casos de uso complejos. Usados juntos, también pueden equilibrar cargas de trabajo, mejorar el rendimiento de diferentes inferencias de IA y crear las configuraciones más rentables y eficientes.
IC660BBA104
NTCF22
PM866K01
3BSE050198R1
TU847
3BSE022462R1
CMA136 3DDE300416
3DDE300416
CMA136
CMA132 3DDE300412 3DDE300412 CMA132 CMA131 3DDE30041
1 3DDE300411
CMA131
CMA120
3DDE300400
CMA120 3DDE300400