云南龙网

  1. 首页 > 云知道 > >

美的风扇怎么拆卸图解，美的机械摇头风扇怎么拆解( 七 )

云知道美的


一般来说 ， 手机的物料成本中 ， 处理器芯片（含基带）价格占了1/6左右 。一个物料成本90刀的手机 ， 用的处理器一般在15刀以下 ， 甚至只有10刀 。这个10刀的芯片 ， 包含了处理器 ， 图形处理器 ， 基带 ， 图像信号处理器 ， 每一样都是高科技的结晶 ， 却和肯德基全家桶一个价 ， 真是有点惨淡 。然而 ， 生产成本只是一部分 ， 人力也是很大的开销 。一颗智能机芯片 ， 软硬开发 ， 测试 ， 生产 ， 就算全用的成熟IP ， 也不会少于300人 ， 每人算10万刀的开销 ， 量产周期两年 ， 需要6000万刀 。外加各种EDA工具 ， IP授权和开片费 ， 芯片还没影子 ， 1亿刀就下去了 。
言归正传 ， 手机上的应用 ， 最直接的就是美颜相机 ， AR和语音助手 。这些需求翻译成硬件指令 ， 就是对8位整数点乘（INT8）和16位浮点运算（FP16）的支持 。具体怎么支持？曾经看到过一张图 ， 我觉得较好的诠释了这一点：
智能手机和平板是安卓的天下 ， 所有独立芯片商都必须跟着谷歌爸爸走 。谷歌已经定义了Android NN作为上层接口 ， 可以支持它的TensorFlow ， 以及专为移动设备定义的TensorFlow Lite 。而下层 ， 针对各种不同场景 ， 可以是CPU ， GPU ， DSP ， 也可以是硬件加速器 。它们的能效比如下图：
可以看到 ， 在TSMC16纳米工艺下 ， 大核能效比是10-100Gops/W（INT8） ， 小核可以做到100G-1Tops/W ， 手机GPU是300Gops/W ， 而要做到1Tops/W以上 ， 必须使用加速器 。这里要指出的是 ， 小核前端设计思想与大核完全不同 ， 在后端实现上也使用不同的物理单元 ， 所以看上去和大核的频率只差50% ， 但是在逻辑运算能效比上会差4倍以上 ， 在向量计算中差的就更多了 。
手机的长时间运行场景下 ， 芯片整体功耗必须小于2.5瓦 ， 分给深度学习任务的 ， 不会超过1.5瓦 。相对应的 ， 如果做到1Tops/W ， 那这就是1.5T（INT8）的处理能力 。对于照片识别而言 ， 情况要好些 ， 因为通常不需要长时间连续的处理 。这时候 ， CPU是可以爆发然后休息的 。语音识别对性能要求比较低 ， 100Gops可以应付一般应用 ， 用小核也足够 。但有些连续的场景 ， 比如AR环境识别 ， 每秒会有30-60帧的图像送进来 ， 如果不利用前后文帮助判断 ， CPU是没法处理的 。此时 ， 就需要GPU或者加速器上场 。
上图是NVidia的神经网络加速器DLA ， 它只有Inference的功能 。前面提到在手机上的应用 ， 也只需要Inference来做识别 ， 训练可以在服务端预先处理 ， 训练好的数据下载到手机就行 ， 识别的时候无需连接到服务端 。
DLA绿色的模块形成类似于固定的流水线 ， 上面有一个控制模块 ， 可以用于动态分配计算单元 ， 以适应不同的网络 。稀疏矩阵压缩减少带宽 ， 优化的矩阵算法减少计算量 ， 外加SRAM（一个273x128, 128x128, 128x128 ,128x6 的4层INT8网络 ， 需要70KB SRAM） 。我看到的大多数加速器 ， 其实都是和它大同小异 ， 有些加速器增加了一个SmartDMA引擎 ， 可以通过简单计算预取所需的数据 。根据我看到的一些跑分测试 ， 这个预取模块可以把计算单元的利用率提高到90%以上 。

推荐阅读


上一篇：海信电视质量太差了，海信电视真的是垃圾中的垃圾

下一篇：什么抽油烟机好用不贵，家用抽油烟机哪种好?最好是价格比较实惠的。