达芬奇软件不能初始GPU14关闭硬件加速

来源：蜘蛛抓取(WebSpider) 时间：2022-11-22 07:25 标签： 达芬奇软件不能初始GPU


IT之家了解到，本次更新还改进了恢复旧数据库备份的可靠性，从而让您可以轻松使用来自旧版本 DaVinci Resolve 的项目；并且在播放不同采样率等各种播放情况下，提供了更好的音频性能。此外，本次更新还改善了 API 脚本编写功能，从而可以一次设置多个元数据值；当渲染 DNxHR 片段时格式化元数据更为准确；并且在使用多层时间线时提升了 Resolve FX 黑边填充的功能。Fusion 方面，升级后 3D 摄影机设置里的环境光亮度更佳，Fusion 合成片段的原位渲染功能更加顺畅。

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

现今,以便携式媒体播放器、数码相机和IP 机顶盒等为代表的数字视频产品的发展方兴未艾,其增长的速度大大超出了业界的早期预测。来自于Dataquest的统计显示,1998年曾经预测2003年全球手持终端产品的销量为3亿件,而该年的实际销量已达到4.5亿件。此外,在2004年,全球数字视频产品的销量已经超过PC,达到2亿件,这些都突显出该产品市场的强劲增长势头。

继用于移动电话的开发平台OMAP之后,TI于近期推出了面向新一代数字视频产品的名为达芬奇（DaVinci）的开发平台。这是一款针对数字视频应用而特别定制的 DSP 解决方案,可为视频设备厂商简化设计并加速产品创新提供集成的处理器、软件和开发工具,可应用于视频安全监控系统、IP机顶盒、视频会议、车载信息娱乐系统、便携式媒体播放器以及数码相机等产品的开发。

达芬奇是以高性能TMS320C64x系列DSP为核心的 SoC,可从DSP与ARM 内核进行定制,包括符合消费类产品规范的硬件加速器以及音、视频外设。此外,它还具有对视频流、影像以及音频性能进行优化的功能。

TI 设计并将提供标准的视频、影像、音频以及语音编/解码软件,并由 TI 及其第三方合作伙伴提供许可与相关技术支持。达芬奇可集成诸如MPEG-2、MPEG-4、Windows WMV9/VC1、H.264、MP3 以及 AAC 等多种编/解码器。在操作系统方面,达芬奇最初将支持 Linux,未来会陆续实现对WinCE 等其它操作系统的支持。该平台可提供多种 API,这些 API 可结合DSP与ARM软件开发人员的优势。在对 DSP 专家保持开放性的同时,ARM 软件开发人员也可以根据 API 进行编程,同时确保数字视频处理所需要的编/解码器组合能够相互配合并适合特定视频应用。

达芬奇系统核心采用90纳米工艺制造。TI将于今年底向市场推出达芬奇技术系列组件,其中包括处理器、软件、工具以及合作伙伴解决方案等。(

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。

2019年6月，华为发布了新的8系列手机SoC麒麟810芯片首次采用华为自研达芬奇架构NPU，实现行业领先AI在业界公认的苏黎世联邦理工学院推出的算力AI Benchmark在榜单中，配备麒麟810的手机霸榜TOP3，堪称华为AI华为自主研发的达芬奇架构在芯片的秘密武器中起着重要作用。

达芬奇架构AI实力如何？

达芬奇架构AI实力如何？让我们深入了解一下~

为什么要做达芬奇架构？

华为预测，到2025年，全球智能终端数量将达到400亿台，智能助理普及率将达到90%，企业数据利用率将达到86%。可以预见，在不久的将来，AI它将大大提高生产力，改变每个组织和行业作为一种通用技术。

基于这一愿景，华为在2018年全联接大会上提出了全栈全场景AI战略。作为重要的技术基础，AI芯片在其中起着重要作用，华为也是基于它的AI芯片提供了加速能量的完整解决方案AI产业化。

为了实现AI华为创新设计达芬奇计算架构，在不同的体积和功耗条件下，在多平台与多场景的协调下，提供强大的力量AI算力。

达芬奇架构是华为自主研发的AI新的计算架构具有计算能力高、能效高、切割灵活的特点，是实现万物智能的重要基础。

具体来说，达芬奇架构采用3D Cube加速矩阵运算，大大提高单位功耗AI算力，每个AI Core4096可在一个时钟周期内实现MAC与传统相比，操作CPU和GPU实现数量级提升。

同时，为了提高AI达芬奇架构还集成了向量、标量、硬件加速器等多种计算单元。同时多种精度计算，支持训练和推理的数据精度要求AI全场景需求覆盖。

常见的AI运算类型有哪些？

在了解达芬奇架构的技术之前，让我们先了解几种AI运算数据对象：

标量（Scalar）：由单个数组成。向量（Vector）：每个数由一组一维有序数组成（index）标识。矩阵（Matrix）：一组二维有序数由两个索引组成（index）标识。张量（Tensor）：由一组n维有序数组成，每个数由n个索引组成（index）标识。

其中，AI计算的核心是矩阵乘法，由左矩阵的一行和右矩阵的一列相乘，每个元素相乘后的和输出到结果矩阵。

在此计算过程中，标量（Scalar）、向量（Vector）、矩阵（Matrix）计算密度依次增加，硬件AI不断对计算能力提出更高的要求。

典型的神经网络模型计算量很大，99%的计算需要矩阵乘，也就是说，如果提高矩阵乘的计算效率，可以最大限度地提高AI计算能力——这也是达芬奇架构设计的核心:以最低的计算成本增加矩阵乘的计算能力，实现更高的计算能力AI能效。

各单位角色分工揭秘，Da Vinci Core如何实现高效AI计算？

在2018年全联接大会上，华为推出AI芯片Ascend 310(升腾310)，这是达芬奇架构的首次亮相。

其中，Da Vinci Core只是NPU部分，Da Vinci Core内部分为多个单元，包括核心3D Cube、Vector向量计算单元，Scalar标量计算单元负责不同的计算任务，实现并行计算模型，共同保证AI高效处理计算。

3D Cube矩阵乘法单元：计算能力

刚才提到矩阵乘是AI计算的核心由3计算D Cube完成，Buffer L0A、L0B、L0C负责存储输入矩阵和输出矩阵数据Cube计算单元输送数据并存储计算结果。

Vector向量计算单元：灵活的多面手

虽然Cube计算能力很强，但只能完成矩阵乘运算，计算类型很多Vector完成向量计算单元。Vector的指令相对来说非常丰富，可以覆盖各种基本的计算类型和许多定制的计算类型。

Scalar标量计算单元：流程控制管家

Scalar主要负责标量运算单位AI Core在功能上，标量运算可以看作是一个小的CPU，循环控制、分支判断、Cube、Vector地址、参数计算和基本算术操作等指令。

3D Cube计算方式的独特优势

与以往的标量和矢量运算模式不同，华为达芬奇架构具有高性能3D Cube以计算引擎为基础，加速矩阵运算，大大提高单位面积AI计算能力，充分激发端侧AI计算潜能。

图中计算单元的数量只是示意，实际设计灵活

华为创新设计的达芬奇架构将大大提高计算能力，16*16*16的3D Cube显著提高数据利用率，缩短计算周期，实现更快更强AI运算。

这是什么意思？例如，它还完成了4096次运算，2次运算D结构需要64行*只能计算64列，3D Cube只需要16*16*可以计算出16的结构。其中，64*64结构带来的问题是运行周期长、时间延长、利用率低。

麒麟810也完美体现了达芬奇架构的这一特点。第一个是达芬奇架构NPU的手机SoC麒麟810芯片实现强势AI计算能力，实现单位面积的最佳能效，FP16精度和INT8量化精度行业领先，搭载这款SoC芯片的华为Nova 5、Nova 5i Pro及荣耀9X手机已经上市，为消费者提供各种精彩的服务AI应用体验。

同时，麒麟810再次赋能HiAI支持自主研究的中间算子格式IR开放式算子数量高达240 ，处于行业领先水平。支持更多的算子、开源框架和提供更完整的工具链将帮助开发者快速转换和集成AI框架开发的模型极大地增强了华为HiAI移动计算平台的兼容性和易用性，提高了开发者的效率，节省了时间和成本，加速了更多AI应用落地。

解锁达芬奇架构AI无限可能

达芬奇架构基于灵活可扩展的特点，可以满足端侧、边缘和云的应用场景，可以用于训练场景，从几十毫瓦到几百瓦不等，为整个场景提供最佳计算能力。

以Ascend芯片为例，Ascend-Nano可用于耳机电话等IoT设备使用场景；Ascend-Tiny和Ascend-Lite智能手机AI操作处理；计算能力要求较高的便携设备，如笔记本电脑，由Ascend-Mini提供计算支持；边缘侧服务器需要Multi-Ascend 310完成AI计算；至于超复杂的云端数据运算处理，则交由算力最高可达256

正是由于达芬奇结构灵活、可剪切、高效的特点，才能实现上述复杂场景AI运算处理。

正是由于达芬奇结构灵活、可剪切、高效的特点，才能实现上述复杂场景AI运算处理。

同时，统一架构的选择也是一个非常关键的决定。统一架构优势明显，对广大开发者非常有利。基于达芬奇架构的统一性，开发者在面对云端、边缘侧、端侧等全场景应用开发时，只需要进行一次算子开发和调试，就可以应用于不同平台，大幅降低了迁移成本。

不仅开发平台语言统一，培训的语言，还可以统一培训和推理框架。开发者可以在本地和云服务器上放置大量的培训模型，然后将轻量级的推理工作放在移动设备上，获得一致的开发体验。

计算能力和技术突破性提高后，AI广泛应用于智能城市、自动驾驶、智能新零售、机器人、工业制造、云计算AI服务等场景。华为轮值董事长徐志军在2018年华为全联接大会上表示：全场景意味着智能化，全栈意味着华为有能力AI应用程序开发人员提供强大的计算能力和应用程序开发平台；能够提供每个人都能负担得起、使用、放心使用的能力AI，实现普惠AI”。

未来，AI将应用更广泛的领域，逐步覆盖生活的方方面面。作为达芬奇架构AI持续赋能运算的重要技术基础AI应用探索，为各行各业AI提供澎湃计算能力的应用场景。

8月23日，另一个采用达芬奇架构的巨无霸——AI芯片Ascend 910，正式商业发布，配套新一代AI开源计算框架MindSpore同时亮相。

超级智能的崛起：互联网大脑如何影响科技的未来？ 中信出版社于2019年7月出版。作者刘峰，张亚勤，刘慈欣，周鸿祎，王飞跃，约翰.汉兹等专家联合推荐。 主要阐述了当今人类兴奋人工智能的兴起，人工智能超越人类和恐慌，更大，远远超出人类智能形式的预期，各种迹象表明50年来，互联网从网络结构进化为大脑模型，数十亿人类智能和数百亿机器智能通过互联网大脑结构，形成自然界前所未有的超级智能形式。这种新型超级智能的兴起对人类科技、工业、经济、、国家竞争产生了重要而深远的影响。这种新型超级智能的兴起对人类科技、工业、经济、、国家竞争产生了重要而深远的影响。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时候联系我们修改或删除，多谢。

我要回帖

更多关于 达芬奇软件不能初始GPU 的文章

 

随机推荐