<del id="aymay"></del> -打造全新AI攝像頭、基于FPGA的工作負載加速即服務并優化PaddlePaddle深度學習框架
-在今日舉行的百度AI開發者大會 Baidu Create 上，英特爾人工智能事業部副總裁 Gadi Singer介紹了英特爾與百度在人工智能領域的一系列合作進展，包括英特爾Movidius視覺處理器(VPU)支持百度Xeye 智能零售攝像頭產品，英特爾FPGA助力百度計劃推出的工作負載加速即服務，以及基于英特爾至強可擴展處理器平臺優化的 PaddlePaddle 深度學習框架。
英特爾人工智能事業部副總裁兼人工智能架構總經理Gadi Singer出席百度AI開發者大會并發表演講
“從賦能終端設備智能化，基于至強可擴展處理器的大規模數據中心，到利用英特爾FPGA 加速不同工作負載，再到讓 PaddlePaddle 開發者更簡便地進行跨平臺編程，百度充分利用了英特爾的產品和技術專長，讓人工智能技術的進步真正造福大眾。”
-- Gadi Singer，英特爾人工智能事業部副總裁兼人工智能架構總經理
智能攝像頭：百度Xeye攝像頭采用英特爾?Movidius? Myriad 2 VPU，為零售業提供高性能、低功耗的視覺智能。百度領先的機器學習算法與英特爾定制化VPU解決方案強強聯合，讓此款攝像頭能夠分析物體和手勢，識別人體，從而為零售行業用戶提供個性化的購物體驗。
FPGA：百度正在開發基于英特爾最新FPGA技術的異構計算平臺，這一技術將極大地提升加速性能和能效，靈活實現各類數據中心工作負載的加速，以及賦能百度云上的工作負載加速即服務。
PaddlePaddle更新：百度對PaddlePaddle在英特爾至強可擴展處理器上的性能進行了優化，
開發者與數據科學家可以使用支持全球數據中心和云計算的硬件來進一步改進AI算法。
英特爾對PaddlePaddle的優化涵蓋計算、內存、架構、通信等不同層面，例如：
?通過 AVX Intrinsics 函數，BLAS庫（例如MKL, OpenBLAS）或定制CPU函數優化數字運算的效率
?通過 MKL-DNN（面向深度神經網絡的英特爾數學核心函數庫）優化CNN（卷積神經網絡）
此外，英特爾和百度還將繼續探索和研究，將 PaddlePaddle 與英特爾nGraph，這一面向各種設備和框架的DNN模型（深度神經網絡模型）編譯器整合。今年3月，英特爾開源了 nGraph。在其支持下，數據科學家可專注于數據科學研發，而無需擔心如何將 DNN 模型部署到各種不同的硬件平臺做高效訓練和運行。
