利用Jetson TK1为低功耗图像识别挑战做好准备
图像识别和gpu相辅相成，特别是在使用深度神经网络（dnn）时。基于gpu的dnn在图像识别领域的优势已经在过去几年在imagenet大规模视觉识别挑战（ilsvrc）中的成功得到了明确的证明，dnn最近实现了与训练有素的人类相媲美的分类准确性，如图1显示。新的低功耗图像识别挑战（lpirc）突出了移动和嵌入式设备上图像识别的重要性。
gpu加速深度神经网络（dnn）在imagenet大规模图像识别挑战赛（ilsvrc）中取得了最佳成绩。左图显示了自2012年gpu加速dnns投入使用以来，ilsvrc准确度的快速提高。右边，来自百度，微软和谷歌的三个最新出版物展示了dnns，其精度高于受过培训的人。
具有卷积层的dnn是具有生物启发性的人工神经网络。这些网络可能有五层或更多层，每层都有许多神经元。类似于突触的链接连接层，将信息转发到下一层。培训过程调整链接上的权重，提高网络对呈现给它的信息进行分类的能力。用于训练dnn的数据越多，其分类性能就越好。这种大数据需求导致了gpu的大量使用，因为gpu在高度并行计算（如深度学习中使用的那些计算）上的高吞吐量设计。
imagenet是一个很好的图像资源，它拥有一个根据描述性名词层次组织的大型图像数据库。imagenet每年都会举办ilsvrc，为此参赛者开发了用于准确识别图像中物体的算法。imagenet提供了来自1000个不同对象类别的超过120万张图像的大型图像集，用于训练识别算法。学术界和工业界的参与者表现强劲，近年来与google，斯坦福大学，加州大学伯克利分校和adobe等竞争对手表现强劲。
低功耗挑战 为了促进低功耗设备的图像识别，普渡大学电气和计算机工程副教授yung-hsiang lu和unc chapel hill计算机科学助理教授alex berg正在组织低功耗图像识别挑战（lpirc），这是一场专注于识别图像识别和节能最佳技术的竞赛。lpirc的注册现已开放。
jetson tk1开发平台是一款非常适合低功耗图像识别挑战的高性能低功耗平台
实现高性能同时保持低功耗可能具有挑战性，因为这两个参数经常一起增加。去年，nvidia发布了jetson tk1开发套件，这是一款非常适合图像处理和计算机视觉应用的低功耗gpu加速计算平台。jetson tk1的低功耗要求和图像处理能力将使其成为lpirc竞争对手的热门平台。
用于lpirc的示例性任务包括在图像中定位和分类对象，包括识别多个对象。许多ilsvrc团队在年度imagenet竞赛中使用cnn，他们很可能是为lpirc部署的机器学习体系结构之一。访问lpirc网站了解有关重要日期和竞赛任务的信息。
免费jetson tk1参与团队开发工具包
jetson tk1将成为本次比赛团队的一项重要资产，峰值功率需求低于12.5瓦。jetson tk1支持cuda，cudnn，opencv和流行的深度学习框架，如caffe和torch。jetson本质上是一个微型超级计算机，可以直接与显示器，键盘和鼠标或通过ssh连接使用，它预装了ubuntu linux，因此入门很容易。
作为lpirc的赞助商，nvidia为参赛车队提供免费的jetson tk1开发工具包，每位获胜者将获得nvidia gpu。如果您的团队想要为lpirc使用jetson tk1，请填写此申请表。nvidia将审查提案并为选定的申请人提供tk1 devkits。
我的jetson tk1深度学习设置 将训练有素的网络移植到jetson tk1并进行分类很容易。图1显示了我的设置。对于额外的磁盘空间，我添加了一个外部硬盘驱动器并使用sata接口连接它。我使用4端口usb 3.0集线器通过鼠标和键盘以及更多硬盘直接连接。
运行caffe网络演示的我的jetson tk1设置。
我在我的jetson tk1上制作了caffe，所以我可以将它用于分类。caffe的网络演示例子是一个简单而简单的测试方法。web演示在jetson tk1上运行web服务器，并且需要包含预训练网络的bvlc参考caffenet辅助数据。一旦建立并运行，使用jetson tk1的ip地址端口500（例如192.168.1.5:5000）从本地网络上的任何设备访问演示。您可以使用以下-g标志以gpu加速运行web演示：
python examples / web_demo / app.py -g
如下表所示，我使用该演示对具有和不具有gpu加速功能的五个图像进行分类，以便使用tegra k1的gpu与其cpu进行分类，从而加快分类速度。
图像分类gpu（毫秒）无gpu（毫秒）加速（x）斗鸡眼猫131655534.2在海上运送101055715.5谷仓135157914.3小狗156856773.6海盗船138556514.1平均132656494.3 今天注册低功耗图像识别挑战！ lpirc的注册现已开放。比赛将于2015年6月7日在设计自动化大会上举行，所以现在就组建一个团队，并为您的团队填写免费的nvidia jetson tk1开发板的应用程序。
TD-LTE多模基带平台ARM子系统的运行流程控制和异常定位分析
NI和泰克打造双赢共进的新局面
新概念笔记本能否成为现实？
电脑蓝屏的危害_电脑蓝屏会损坏硬盘么
特斯拉电动卡车Semi量产版续航将达到966km
利用Jetson TK1为低功耗图像识别挑战做好准备
平板电视“平均功率”将取代“额定功率”
5G赋能各行各业，重塑电信产业价值
滕特公司与德国KIT合作研究超导电缆系统
请问一下docker是怎么实现cpu隔离的？
努比亚再发新机:努比亚Z17畅享版正式发布,骁龙653加持而售价才是亮点
泰来三维扫描 这边风景独好
数字资产交易平台开发区块链交易所开发
紫光“双芯”齐发！首款“中国芯”U 盘落地商用
数控机床故障正确维修的5大点
福建省打造“硬核”科技，构建多元创新体系
华为mate10什么时候上市?华为mate10最新消息:号称超越一切手机的华为mate10要来了,余承东表示有全面屏
广和通：海外车载5G大批量出货时间预计在2025年
传感器在医疗领域发挥的重要作用
Netflix如何拓展Jupyter notebook使用场景，以及为支持新使用场景进行的基础设施建设
gpu加速深度神经网络（dnn）在imagenet大规模图像识别挑战赛（ilsvrc）中取得了最佳成绩。左图显示了自2012年gpu加速dnns投入使用以来，ilsvrc准确度的快速提高。右边，来自百度，微软和谷歌的三个最新出版物展示了dnns，其精度高于受过培训的人。
具有卷积层的dnn是具有生物启发性的人工神经网络。这些网络可能有五层或更多层，每层都有许多神经元。类似于突触的链接连接层，将信息转发到下一层。培训过程调整链接上的权重，提高网络对呈现给它的信息进行分类的能力。用于训练dnn的数据越多，其分类性能就越好。这种大数据需求导致了gpu的大量使用，因为gpu在高度并行计算（如深度学习中使用的那些计算）上的高吞吐量设计。
imagenet是一个很好的图像资源，它拥有一个根据描述性名词层次组织的大型图像数据库。imagenet每年都会举办ilsvrc，为此参赛者开发了用于准确识别图像中物体的算法。imagenet提供了来自1000个不同对象类别的超过120万张图像的大型图像集，用于训练识别算法。学术界和工业界的参与者表现强劲，近年来与google，斯坦福大学，加州大学伯克利分校和adobe等竞争对手表现强劲。
低功耗挑战 为了促进低功耗设备的图像识别，普渡大学电气和计算机工程副教授yung-hsiang lu和unc chapel hill计算机科学助理教授alex berg正在组织低功耗图像识别挑战（lpirc），这是一场专注于识别图像识别和节能最佳技术的竞赛。lpirc的注册现已开放。
jetson tk1开发平台是一款非常适合低功耗图像识别挑战的高性能低功耗平台
实现高性能同时保持低功耗可能具有挑战性，因为这两个参数经常一起增加。去年，nvidia发布了jetson tk1开发套件，这是一款非常适合图像处理和计算机视觉应用的低功耗gpu加速计算平台。jetson tk1的低功耗要求和图像处理能力将使其成为lpirc竞争对手的热门平台。
用于lpirc的示例性任务包括在图像中定位和分类对象，包括识别多个对象。许多ilsvrc团队在年度imagenet竞赛中使用cnn，他们很可能是为lpirc部署的机器学习体系结构之一。访问lpirc网站了解有关重要日期和竞赛任务的信息。
免费jetson tk1参与团队开发工具包
jetson tk1将成为本次比赛团队的一项重要资产，峰值功率需求低于12.5瓦。jetson tk1支持cuda，cudnn，opencv和流行的深度学习框架，如caffe和torch。jetson本质上是一个微型超级计算机，可以直接与显示器，键盘和鼠标或通过ssh连接使用，它预装了ubuntu linux，因此入门很容易。
作为lpirc的赞助商，nvidia为参赛车队提供免费的jetson tk1开发工具包，每位获胜者将获得nvidia gpu。如果您的团队想要为lpirc使用jetson tk1，请填写此申请表。nvidia将审查提案并为选定的申请人提供tk1 devkits。
我的jetson tk1深度学习设置 将训练有素的网络移植到jetson tk1并进行分类很容易。图1显示了我的设置。对于额外的磁盘空间，我添加了一个外部硬盘驱动器并使用sata接口连接它。我使用4端口usb 3.0集线器通过鼠标和键盘以及更多硬盘直接连接。
运行caffe网络演示的我的jetson tk1设置。
我在我的jetson tk1上制作了caffe，所以我可以将它用于分类。caffe的网络演示例子是一个简单而简单的测试方法。web演示在jetson tk1上运行web服务器，并且需要包含预训练网络的bvlc参考caffenet辅助数据。一旦建立并运行，使用jetson tk1的ip地址端口500（例如192.168.1.5:5000）从本地网络上的任何设备访问演示。您可以使用以下-g标志以gpu加速运行web演示：
python examples / web_demo / app.py -g
如下表所示，我使用该演示对具有和不具有gpu加速功能的五个图像进行分类，以便使用tegra k1的gpu与其cpu进行分类，从而加快分类速度。
图像分类gpu（毫秒）无gpu（毫秒）加速（x）斗鸡眼猫131655534.2在海上运送101055715.5谷仓135157914.3小狗156856773.6海盗船138556514.1平均132656494.3 今天注册低功耗图像识别挑战！ lpirc的注册现已开放。比赛将于2015年6月7日在设计自动化大会上举行，所以现在就组建一个团队，并为您的团队填写免费的nvidia jetson tk1开发板的应用程序。
TD-LTE多模基带平台ARM子系统的运行流程控制和异常定位分析
NI和泰克打造双赢共进的新局面
新概念笔记本能否成为现实？
电脑蓝屏的危害_电脑蓝屏会损坏硬盘么
特斯拉电动卡车Semi量产版续航将达到966km
利用Jetson TK1为低功耗图像识别挑战做好准备
平板电视“平均功率”将取代“额定功率”
5G赋能各行各业，重塑电信产业价值
滕特公司与德国KIT合作研究超导电缆系统
请问一下docker是怎么实现cpu隔离的？
努比亚再发新机:努比亚Z17畅享版正式发布,骁龙653加持而售价才是亮点
泰来三维扫描 这边风景独好
数字资产交易平台开发区块链交易所开发
紫光“双芯”齐发！首款“中国芯”U 盘落地商用
数控机床故障正确维修的5大点
福建省打造“硬核”科技，构建多元创新体系
华为mate10什么时候上市?华为mate10最新消息:号称超越一切手机的华为mate10要来了,余承东表示有全面屏
广和通：海外车载5G大批量出货时间预计在2025年
传感器在医疗领域发挥的重要作用
Netflix如何拓展Jupyter notebook使用场景，以及为支持新使用场景进行的基础设施建设