ASICs apparatus eruditionis statim designari debet

Verisimile est aliquem cum eo argumentari quod consuetudo cogitans LSIs (ASICs) longe a simplici et rapida processu sit. Sed volo et postulo ut citius: hodie algorithmum edidi, et post diem octavum consilium digitale absolutum sustuli. Ita res est, ut valde speciales LSIs paene unus-off producti sunt. Hae raro opus sunt in batchris decies centena millia, ex quibus evolutionem tantum pecuniae et opes humanas impendere potes quantum vis, si id brevissimo tempore fieri debet. Specialitas ASICs, et ideo efficacissima ad operas solvendas, vilis esse debet ad explicandum, quod mega-pertinet in hoc stadio evolutionis machinae discendi. In hac fronte impedimenta a mercatu computatrali congesta et praesertim GPU breakthroughs in campo machinae discendi (ML) iam vitari non possunt.

ASICs apparatus eruditionis statim designari debet

Ut acceleraretur consilium ASICs pro ML operibus, DARPA novum propositum - Machina Vera Time (RTML). Apparatus real-time discendi programma involvit elaborandum suggestum compilator vel software, qui sponte fabricare potuit chip architecturae pro certis ML compage. suggestum sponte propositam machinam discendi algorithmum resolvere et notitias ad hoc algorithmum instituendum destinatas, post quod in Verilog codicem producere debet, ut specialem ASIC crearet. ML tincidunt algorithmus scientiam chip designatores non habent et designatores raro cum machinarum principiis discendi nota sunt. Propositum RTML adiuvare debet ut commoda utriusque in suggestu machinae eruditionis ASIC evolutionis automated componantur.

In vitae cyclo progressionis RTML, solutiones inventae probentur in duobus locis principalibus applicationis: 5G retiacula et processus imaginum. Etiam, programmata RTML et programmata programmatum creata pro automatico consilio ML acceleratorum ad explicandum et probandum nova ML algorithms et datasets adhibebuntur. Sic, etiam antequam Pii designetur, prospectus novarum compagum perpendere poterit. DARPA particeps in RTML programmatis erit Fundamentum Scientiae Nationalis (NSF), quod etiam in quaestionibus apparatus discendi et evolutione ML algorithmorum implicatur. Compilator enucleatus ad NSF transferetur, et DARPA rursus exspectat recipere compilator et suggestum ad algorithms designandi ML. In futurum, consilium ferramentarium et algorithmatum creatio integra solutio fiet, quae ad cessum machinarum systematum, quae in reali tempore sui discendi sunt, ducet.




Source: 3dnews.ru