背景大图

技 术

深鉴科技因最前沿的深度学习技术为人所知。我们的深度压缩技术和神经网络架构深深影响了人工智能世界,引领深度学习的发展。


DNNDK

深鉴神经网络开发工具(DNNDK)大大减低了深度学习开发者们使用门槛。开发者只需要熟悉C 和C++语言,不需要为不同算法重新设计硬件。

深度压缩

深度压缩技术将神经网络压缩数十倍而不降低准确率,大大降低计算复杂度和存储空间,在 CNN、RNN、LSTM 等深度学习模型上都得到验证,让深度学习的高效部署成为可能。

DNNC

深鉴的神经网络处理器指令集与编译器, 一键即可将神经网络模型编译为神经网络处理器所需指令。



硬件架构

亚里士多德架构是针对卷积神经网络而设计。目前,卷积神经网络一般用来处理图像相关的智能问题,而此架构灵活与可扩展的特性使它可被应用于大大小小的终端中。

笛卡尔架构

笛卡尔架构专为处理DNN/RNN网络而设计,可对经过结构压缩后的稀疏神经网络进行极致高效的硬件加速。 相对于 Intel Xeon CPU 与 Nvidia Titan X GPU,应用笛卡尔架构的处理器在计算速度上分别提高189倍与13倍,具有24000倍与3000倍更高能效。