<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[交流技术，感悟人生]]></title><description><![CDATA[ISP,GPU,AI...... 相关交流技术]]></description><link>https://blog.youkuaiyun.com/jinre2</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jinre2]]></copyright><item><title><![CDATA[AMD,INTEL,NVIDIA巨头们与RISC-V]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123648425</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123648425</guid><author>jinre2</author><pubDate>Mon, 21 Mar 2022 22:39:00 +0800</pubDate><description><![CDATA[今天看到有人在讨论“根据3月21日消息显示，AMD公司正在招募RISC-V微架构工程师，此举意味着AMD公司正式开始向RISC-V架构发力了。”

其实根据网上公开的招聘信息，AMD几年前就在使用或者开发RISC-V。

Nvidia也一样，从泄露出来的资料，已经在GPU中使用RISC-V。

Intel已经明确进军RISC-V

但是目前来看只会作为控制器，不会是高性能CPU.




...]]></description><category></category></item><item><title><![CDATA[目前的芯片产业，是最好的时候，也可能是最差的时候]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123363669</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123363669</guid><author>jinre2</author><pubDate>Tue, 08 Mar 2022 21:26:32 +0800</pubDate><description><![CDATA[看着一家家的互联网企业进入芯片产业

全国几十家GPU企业

十几家AI企业

无数的电源芯片企业

这是最好的时代

也是最坏的时代

大量的资本，大量的重复建设

不会的依然不会，会的大家都会

人才在分散，无数的小企业在一起内卷




...]]></description><category></category></item><item><title><![CDATA[comparison of VLIW and superscaler]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123332354</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123332354</guid><author>jinre2</author><pubDate>Mon, 07 Mar 2022 15:53:12 +0800</pubDate><description><![CDATA[https://www.diva-portal.org/smash/get/diva2:1327324/FULLTEXT01.pdf
]]></description><category></category></item><item><title><![CDATA[AMD和NV一样，也在研发Riscv相关的微框架]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123285898</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123285898</guid><author>jinre2</author><pubDate>Fri, 04 Mar 2022 21:36:27 +0800</pubDate><description><![CDATA[看到网上的新闻，




]]></description><category></category></item><item><title><![CDATA[Nvidia已经在GPU里面用Riscv，用于做控制]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123285766</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123285766</guid><author>jinre2</author><pubDate>Fri, 04 Mar 2022 21:32:25 +0800</pubDate><description><![CDATA[偶然的机会看到一篇 PPT

​​​​​​https://riscv.org/wp-content/uploads/2016/07/Tue1100_Nvidia_RISCV_Story_V2.pdf

为啥要采用？





结论






]]></description><category></category></item><item><title><![CDATA[对比SIMD(Vector ALU) 和Scalar ALU]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123285176</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123285176</guid><author>jinre2</author><pubDate>Fri, 04 Mar 2022 20:59:05 +0800</pubDate><description><![CDATA[今天发现NV的计算单元居然是Scalar ALU, 挺意外啊，

AMD,Imagination, Intel, Qualcomm的平台都是用的SIMD

按照理论分析，SIMD的指令密集度肯定更高

全部用Scalar ALU的好处是编译器，调度器更加容易实现，调度也不容易有泡泡

这也可能是NV的Cuda确实好用的一个原因，

对比了AMD和NV在相同晶体管下的理论计算性能，确实AMD的更高。

但是关键还是调度的效率，NV的调度效率肯定更好了


...]]></description><category></category></item><item><title><![CDATA[对比Nvidia，AMD, Intel 的GPU的计算单元]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123284784</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123284784</guid><author>jinre2</author><pubDate>Fri, 04 Mar 2022 20:40:54 +0800</pubDate><description><![CDATA[网上公开的资料非常多

AMD的计算单元是CU，NV的计算单元是SP，Intel的EU
	编程模型都是SIMT
	NV的编程框架是cuda, AMD和intel 的编程框架是OpenGL
今天发现一个好玩的事情，

AMD的基本计算单元是SIMD,外加一个Scalar ALU.

Intel的基本计算单元是SIMD,

NV基本计算单元是Scalar ALU. 居然没有用SIMD

这三个设计各有优缺点。

差异这么大的三个架构，居然都取得了很大的成功，

可能架构没那么重要

可能重要的是优化，优化，再优]]></description><category></category></item><item><title><![CDATA[推荐：详解AI加速器（最终篇）]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123234267</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123234267</guid><author>jinre2</author><pubDate>Wed, 02 Mar 2022 16:45:35 +0800</pubDate><description><![CDATA[详解AI加速器（最终篇）：给想进入赛道的玩家一些建议


]]></description><category></category></item><item><title><![CDATA[AI 芯片的未来在哪里？]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123175532</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123175532</guid><author>jinre2</author><pubDate>Mon, 28 Feb 2022 09:59:57 +0800</pubDate><description><![CDATA[看到个新闻：寒武纪连亏5年股价低迷 高研发投入能否“砸”出未来？

个人观点：很难

看了下财报，主营业务是和AI相关的芯片

AI主要两个方向，都不好做

边缘端：
	只能做SOC,纯NPU(AI)没人要的
		NPU在整个SOC占比很小
		所以只能卖卖IP,赚点小钱，公司不可能维持这么大的体量
	
	服务器端：
	通用的生态和技术都很难，cuda统天下，AMD都做得很艰难。
		专用的，没那么难，云厂商都会自己来做
	


未来在哪里？

不知道，但是只要把AI做主业的都很难，AI是锦上添花的东西。找]]></description><category></category></item><item><title><![CDATA[GPGPU,一个不错的开源工程 vortex]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123172124</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123172124</guid><author>jinre2</author><pubDate>Sun, 27 Feb 2022 22:39:21 +0800</pubDate><description><![CDATA[Vortex
V​​​​​​​Home


]]></description><category></category></item><item><title><![CDATA[推荐个东西，GPGPU开发]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123172045</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123172045</guid><author>jinre2</author><pubDate>Sun, 27 Feb 2022 22:33:30 +0800</pubDate><description><![CDATA[看到国内很多人在弄GPGPU

推荐个东西给大家

Multi2Sim · GitHub
]]></description><category></category></item><item><title><![CDATA[简单的聊聊 NPU ，Tensor core]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123130439</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123130439</guid><author>jinre2</author><pubDate>Fri, 25 Feb 2022 13:09:46 +0800</pubDate><description><![CDATA[刚刚，有个前同事问我tensor core到底是个啥

在我接触过的项目和芯片里，tensor core就是矩阵乘法器。

NPU英文全称是Neural network Processing Unit， 中文大概得叫神经网络处理单元吧。

有篇文章是介绍这个的，

CPU/GPU/TPU/NPU傻傻分不清楚 - 知乎

看完这个介绍，或许可以明白一些概念，但是还是不明白本质

现在我们大谈算力，在计算机的世界里可以按照维度把运算分为，标量运算，矢量运算，矩阵运算

我们在小学的时候学习标量运算，初中高中学习]]></description><category></category></item><item><title><![CDATA[谈谈 AI ISP （4）AI ISP的未来]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123046311</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123046311</guid><author>jinre2</author><pubDate>Mon, 21 Feb 2022 14:31:49 +0800</pubDate><description><![CDATA[说是未来，也不完全正确，现在很多公司其实已经正在这么做。

几个可能的方向

提高传统ISP的性能，重点关注Denoise，DPC,Demosaic,LTM，AWB
	提高ISP tuning的效率。
	用AI分析评估图像质量。
		用AI优化参数。
	
	适合ISP的NPU架构
	适合ISP的AI 算法
几点想法

先搞好传统ISP pipeline,然后才搞AI的优化，直接搞端到端的AI ISP还不成熟。
	NPU的优化，AI算法优化都非常重要
	NPU和ISP的交互设计也是关键
	数据尽量都在SRAM]]></description><category></category></item><item><title><![CDATA[谈谈 AI ISP （3）AI与ISP的痛点]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123042754</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123042754</guid><author>jinre2</author><pubDate>Mon, 21 Feb 2022 11:05:26 +0800</pubDate><description><![CDATA[前面我们讨论了目前ISP的痛点，再来看看AI能否解决这些痛点

第一，AI能否减少ISP开发的复杂度或者说难度？

看到有挺多论文用AI来实现端到端（end to end）的ISP pipeline,总体感觉是没有入门。用全AI来实现ISP目前来看是不成熟的。所以AI只能在传统ISP流水线的基础上来提高或者替代一部分功能。因此，AI还不能完全抛弃传统的ISP技术，也就不可能减少原来的复杂度。简单理解AI+ISP只会比原来更复杂。

第二，AI与ISP的多样性，是不是说加入AI以后，所有的应用就可以共享一个I]]></description><category></category></item><item><title><![CDATA[谈谈 AI ISP （2）目前ISP存在的痛点]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/123040114</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/123040114</guid><author>jinre2</author><pubDate>Mon, 21 Feb 2022 09:22:02 +0800</pubDate><description><![CDATA[结合以前的工作，我认为目前ISP存在的痛点主要有几点

第一，ISP是一个非常复杂的系统，包括了算法，硬件，软件。简单的ISP也有好几个主要的模块，复杂的系统至少有几十个模块。每个模块又有非常多的算法。所以开发一套完善的ISP系统就会变得困难。

第二，ISP的多样性，这主要体现在每个不同的应用，对ISP的要求和功能是不一样的。不可能有一套系统能满足不同的应用，而且这种差异可能非常非常大。有的应用注重成本，有的应用注重画质。

第三，ISP需要大量的tuning过程，这需要大量的时间和人力成本。几乎每个项目]]></description><category></category></item><item><title><![CDATA[谈谈 AI ISP （1）开场白]]></title><link>https://blog.youkuaiyun.com/jinre2/article/details/121028558</link><guid>https://blog.youkuaiyun.com/jinre2/article/details/121028558</guid><author>jinre2</author><pubDate>Fri, 29 Oct 2021 10:05:15 +0800</pubDate><description><![CDATA[前几天看到一则新闻“小米成立研究院，攻关AI-ISP芯片”。作为一个十几年的ISP从业人员，也来谈谈AI ISP.

在开始正文以前，突然想到一件事情。十多年前，那时候我还在读研究生，那时候我们做人脸识别，人工设计各种特征（feature)，提高人脸识别的正确率，特别是解决人脸识别的角度和光照问题。设计了各种方法，各种特征。那个时候每家公司都有自己的绝密方法。后来，Deep learning一出来，就秒杀这些传统的方法，人脸识别就有了质的飞跃，也诞生了一批新的公司，那些传统的人脸识别公司要么转型，要么就结束]]></description><category></category></item></channel></rss>