什么是DNN_如何使用硬件加速DNN运算

什么是DNN_如何使用硬件加速DNN运算

深度神经网络（DNN）目前是许多现代AI应用的基础。自从DNN在语音识别和图像识别任务中展现出突破性的成果，使用DNN的应用数量呈爆炸式增加。这些DNN 方法被大量应用在无人驾驶汽车，癌症检测，游戏AI等方面。在许多领域中，DNN目前的准确性已经超过人类。与早期的专家手动提取特征或制定规则不同，DNN的优越性能来自于在大量数据上使用统计学习方法，从原始数据中提取高级特征的能力，从而对输入空间进行有效的表示。

然而，DNN超高的准确性是以超高的计算复杂度为代价的。通常意义下的计算引擎，尤其是GPU，是DNN的基础。因此，能够在不牺牲准确性和增加硬件成本的前提下，提高深度神经网络的能量效率和吞吐量的方法，对于DNN在AI系统中更广泛的应用是至关重要的。研究人员目前已经更多的将关注点放在针对DNN计算开发专用的加速方法。

近日，一篇名为《Efficient Processing of Deep Neural Networks：A Tutorial and Survey》的论文横空出世，这篇来自MIT的论文详细介绍了DNN高效运算的最新进展，提供了DNN 的综述，以及加速DNN计算的方法。

鉴于篇幅，本文主要针对论文中的如下几部分详细介绍：

DNN的背景，历史和应用

DNN的组成部分，以及常见的DNN模型

简介如何使用硬件加速DNN运算

DNN的背景人工智能与深度神经网络

深度神经网络，也被称为深度学习，是人工智能领域的重要分支，根据麦卡锡（人工智能之父）的定义，人工智能是创造像人一样的智能机械的科学工程。深度学习与人工智能的关系如图1所示：

图1：深度神经网络与人工智能的关系