Re: [新聞] 以繞射取代電子的3D列印深度學習神經網路已回收

看板Gossiping作者 (六西格瑪)時間5年前 (2018/08/04 20:52), 5年前編輯推噓12(12推 0噓 9→)
留言21則, 13人參與, 5年前最新討論串2/3 (看更多)
現在架構在電腦上的深度網絡，事實上就是一堆矩陣 矩陣內有值，而圖片也是一堆值組成的 值在 0 - 255 之間，如果是 RGB 的話，就會有 R G B 共三個 channel 把你輸入的圖片，和一層一層的矩陣乘起來 當然其中還引入一些很簡單的數學操作，譬如說把這些值帶入某個非線性函數 或標準化之類的，最後你可以讓它輸出一些值 這些值可以是矩陣、向量或就是一個 scalar 而要知道，這個過程是需要花費能量和時間的 通常分類問題，譬如說這個例子中的 0-9 的圖片分類 大概會花費 10 - 100 ms 之間 如果是 Object detection 甚至是 Segmentation 的話 花費到將近一秒的時間去做推論(把輸入乘那一堆矩陣)都是有可能的 而且可是用尊貴的 GPU 譬如 1080 Ti 去做的運算哦 現在好啦，火星人們覺得光本身就攜帶能量和訊息 我只要過濾這些光就可以作到跟 GPU 做的事情一樣 意不意外？開不開心？ 因為你想想，你哪裡被插了嗎 沒有嘛，你沒有一個 600W 的電源供應器插你在提供你能源 做這一堆比分類問題還要複雜千萬倍的運算上 你接收光、用非常低能耗的方式擷取非常複雜的訊息 和這研究的核心精神非常相似 簡直太神啦 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 123.240.34.164 ※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1533387159.A.CA2.html
→
08/04 20:53, 5年前 , 1F
雖然看不懂，但好像很厲害
08/04 20:53, 1F
推
08/04 20:55, 5年前 , 2F
電機博士
08/04 20:55, 2F
推
08/04 20:55, 5年前 , 3F
嗯
08/04 20:55, 3F
※ 編輯: Sixigma (123.240.34.164), 08/04/2018 20:56:19
推
08/04 20:56, 5年前 , 4F
機械式電腦
08/04 20:56, 4F
推
08/04 20:57, 5年前 , 5F
講中文
08/04 20:57, 5F
推
08/04 20:57, 5年前 , 6F
我猜是便宜快速的asic生產方式
08/04 20:57, 6F
→
08/04 20:58, 5年前 , 7F
不知道印一組要多少
08/04 20:58, 7F
推
08/04 20:59, 5年前 , 8F
這樣還要講中文，譬如在這個裝置前面
08/04 20:59, 8F
→
08/04 20:59, 5年前 , 9F
投影"5"這個數字，這個裝置後面5的
08/04 20:59, 9F
→
08/04 20:59, 5年前 , 10F
輸出端就會發出光，不須外部能源
08/04 20:59, 10F
→
08/04 21:00, 5年前 , 11F
夠複雜的話，前面投影一個肥宅
08/04 21:00, 11F
→
08/04 21:00, 5年前 , 12F
後面輸出端就會輸出肥宅
08/04 21:00, 12F
推
08/04 21:01, 5年前 , 13F
一句畫，軟體用硬體實作
08/04 21:01, 13F
→
08/04 21:01, 5年前 , 14F
*話
08/04 21:01, 14F
推
08/04 21:03, 5年前 , 15F
應該說，用硬體部署
08/04 21:03, 15F
推
08/04 21:12, 5年前 , 16F
肥宅的例子很好啊
08/04 21:12, 16F
推
08/04 21:22, 5年前 , 17F
推一個，不然會被噓我看不懂。
08/04 21:22, 17F
推
08/04 21:48, 5年前 , 18F
上一篇好像沒提到輸出要怎麼處理就是了
08/04 21:48, 18F
→
08/04 21:48, 5年前 , 19F
再說帶有資訊的光源也只能用雷射製造吧
08/04 21:48, 19F
推
08/04 21:52, 5年前 , 20F
推
08/04 21:52, 20F
→
08/05 10:58, 5年前 , 21F
這麼做只能run一種network
08/05 10:58, 21F
‣ 更多 Sixigma 的文章
文章代碼(AID): #1RPQ6NoY (Gossiping)
‣ 更多 Sixigma 的文章
文章代碼(AID): #1RPQ6NoY (Gossiping)