天才一秒记住【热天中文网】地址：https://www.rtzw.net
今年11月，多伦多大学有个学术团队在《science》上提出了一个dbn概念，叫深度信念网络！
这个概念讲到了深度神经网络的建造方法，可以通过分层自学的方法，让计算机能像人类一样层层理解复杂信息，华为和我们都认为这个想法可以运用到信号处理上，通过分析海量的干扰样本进行自训练，实时过滤噪音，如果实现，可以让有效数据通过率提升30%以上！
而且这项技术肯定要以芯片为载体实现，双方协商了一下，确定在shlte公司里合作研究，并且项目以我们的技术专家为主！”
陈学兵眼神一亮。
通信通用技术，无非就是三个方面，信号放大，信号过滤，信号转换。
30%有效数据通过率，那在国际通信界都是重大突破了。
不过深度网络神经，海量样本自训练，这两个词组，让他不可避免地想到一个东西。
ai。
陈学兵不动声色地点点头，似若无意地提醒道：“这个模式听起来不错，用gpu来训练效果会更好吧？”
卢韦冰一愣：“gpu不是显卡吗？固定功能的纹理单元和光栅化模块，这些专用硬件，没法执行通用计算指令吧？”
他虽然不是搞ic设计的，但现在好歹是公司的执掌者，理论基础他也学了不少。
范仁勇却啪地一拍巴掌，激动地站了起来：
“陈总，你可太神了啊！
他们现在正在讨论这个问题呢！
美国的nvidia公司今年提出了一项cuda技术，就是可以让gpu执行并行计算任务！
华为也是查了大量资料才提出来的，你从哪里知道的？”
办公室骤然安静。
“这个问题，一定要有了技术基础，才能想吗？”
陈学兵丝毫不慌，靠下身子反问道：
“为什么电脑要单独设置一张显卡？cpu不能计算图形单元吗？”
他也没等俩人回答，继续道：
“就是因为cpu核心数量少啊，两个核，四个核，设计得再复杂，面对一堆一加一等于几的简单问题，计算能力再强，也得一个个计算。
“像图形单元这样的问题，就是若干个简单问题，每个像素需要的计算量不大，数量却很大，gpu集成数千个简化核心，采用单指令多线程模式，可以同步处理海量的相似计算。”
“这样的处理方式不是跟范总说的信号处理很像吗？”
陈学兵说着，淡淡笑道：“更何况nvidia上个月发布的消息在美国沸沸扬扬，他们推出的cuda技术解决了c语言扩展接口的问题，允许直接编写gpu计算内核，并且已经编程了一款tesla架构，可以支持动态分配计算资源了。”
gpu的诞生，是英伟达公司在1999年正式提出的。
前几年，gpu仅能执行预设的图形操作，就像一台只能画直线的打印机，没办法要求它解方程。
但就在上个月，英伟达推出的接口和自研架构，让理论变得可行了。
他知道这个消息，关注的当然不是广泛的技术，而是英伟达。
不过并不妨碍他趁机寓教于行。
“我早就说过要关注科技发展，卢总，你一个科技公司的老总，要把天线架起来，多接受外界的信息！”
卢韦冰有点头大。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！