视觉处理单元 In 巴西队世界杯名单 @2025-05-03 19:07:14
视觉处理单元（Vision Processing Unit，VPU）（截至2023年）是一类新兴的微处理器；它是一种特定类型的人工智能加速器，用于加速机器视觉任务。[1][2]
概览[编辑]
视觉处理单元与视频处理单元（专门用于视频编解码）不同，前者更适合运行机器视觉算法，如CNN（卷积神经网络）、SIFT（尺度不变特征转换）和类似算法。
它们可能包括从摄像头获取数据的直接接口（途径任意片外缓冲器），强调在拥有许多暂存器的并行计算单元间的片上数据流，如多核DSP。但是像VPU一样，它们可能专注于图像处理中的低精度定点数运算。
与GPU的对比[编辑]
VPU与GPU不同，GPU包含用于栅格化和材质贴图（三维计算机图形）的专门硬件，其存储器结构优化为在片外内存中操作位图图像（采用随机访问模式读取纹理、修改帧缓冲器）。VPU针对每瓦特的性能进行了优化，而GPU主要关注绝对性能。
VPU的目标市场是机器人学、物联网、用于虚拟现实和增强现实的新型数码相机、智能相机和集成了机器视觉加速器的智能手机及其他移动设备。
相似的处理器[编辑]
有些处理器虽然没有被划为VPU，但同样可以处理机器视觉任务。它们可能形成一种更广泛的人工智能加速器（VPU可能也属于此种器件），然而截至2016年，这种分类的名称尚未达成共识：
IBMTrueNorth，一种神经形态工程处理器，旨在进行类似的传感数据模式识别和智能任务，包括音视频。
高通Zeroth神经处理器，是新兴的面向传感器/AI的芯片类别中的另一类。[3]
另见[编辑]
Adapteva Epiphany，一种多核处理器，同样强调片上数据流和32位浮点运算性能。
CELL，一种多核微处理器，其特点与VPU十分接近（适合视频处理的SIMD指令&数据类型，以及暂存器间的片上DMA）。
辅助处理器
图形处理器，也常用于运行视觉算法。NVidia的帕斯卡微架构包含半精度浮点数支持，以便为AI工作负载提供更好的精度/成本权衡。
MPSoC
OpenCL
OpenVX
物理处理器，一种高吞吐量加速器，过去用于补充CPU和GPU算力的尝试。
张量处理单元，是谷歌内部用于加速人工智能计算的芯片。
参考[编辑]
^ Seth Colaner; Matthew Humrick. A third type of processor for AR/VR: Movidius' Myriad 2 VPU. Tom's Hardware. 2016-01-03 [2023-04-05]. （原始内容存档于2023-03-15）.
^ Prasid Banerje. The rise of VPUs: Giving Eyes to Machines. Digit.in. 2016-03-28 [2023-04-05]. （原始内容存档于2017-09-02）.
^ Introducing Qualcomm Zeroth Processors: Brain-Inspired Computing. Qualcomm. 2013-10-10 [2023-04-05]. （原始内容存档于2016-07-29）.
外部链接[编辑]
Eyeriss architecture （页面存档备份，存于互联网档案馆）
Holographic processing unit （页面存档备份，存于互联网档案馆）
NeuFlow: A Runtime Reconfigurable Dataflow Processor for Vision 互联网档案馆的存檔，存档日期2017-05-05.
查论编可微分计算概论
可微分编程
自動微分
张量微积分
信息几何
统计流形
神经形态工程（英语：Neuromorphic engineering）
模式识别
运算学习理论（英语：Computational learning theory）
归纳偏置
概念
梯度下降
SGD（英语：Stochastic gradient descent）
聚类
回归
过拟合
幻觉
对抗（英语：Adversarial machine learning）
注意力
卷积
損失函數
反向传播
激活函数
softmax
sigmoid
ReLU
正则化
数据集
扩散（英语：Diffusion process）
自回归
应用
机器学习
人工神经网络
深度学习
科学计算
人工智能
語言模型
大型语言模型
硬件
TPU
VPU
IPU（英语：Graphcore）
憶阻器
SpiNNaker（英语：SpiNNaker）
软件库
Theano
TensorFlow
Keras
PyTorch
JAX
Flux.jl（英语：Flux (machine-learning framework)）
主题
计算机编程
技术
分类
人工神经网络
机器学习