[想攝影136] 細說分鏡 Vol.13
🎥影片時間連結:https://youtu.be/3XpWY8Xbe5U?t=171
🖍當這個世界,主流的風潮下,不斷追求表面藝術的創作
🖍不但能滿足心中的成就,更能創造出更多掌聲
🖍除此之外,我覺得,我們值得擁有更多的不同想法
最早為什麼開始寫攝影教學? 又為何一寫下去就是十年? 中間沒有想放棄過嗎? 如果曾經放棄是什麼原因重新拾起? 如果沒放棄又是什麼理由堅持下去? 未來還會繼續寫嗎? 如果會的話又會寫什麼? 做這些事情快不快樂? 快樂當然會寫,如果不快樂為何寫,或不寫? 這好多問題好想每一題都有一篇文章來寫,但其實都是同一個問題 – 為什麼要做這些事情
🟥愛上攝影,分享它
喜歡上攝影理由就不多說了,看到自己喜歡的畫面,用相機拍下來保存,心裡感受滿足,日後回放感到幸福,拍的越多,𧻗久,就這樣子持續下去,很久前喜歡攝影,真的理由既單純又非常簡單。
喜歡上攝影,以我的個性就是會進一步分享它,那時不要說臉書,就連找個地方放照片選擇性都少,最多人使用的就是「無名小站」,即使關站多年的 2021 年今天,我還不曉得為何要叫這個名字,但那時無名小站空間容量小,也放不了什麼照片,我就使用「痞客邦」提供的相簿空間,就顯得大器許多,除了這兩個之外,國內還有 Pchome、Yahoo 提供相簿空間 (如果沒記錯的話),而一些資訊管道更多的朋友,還會放在 Flickr。
這樣子分享照片就放便多了,在 BBS 帳號自介、簽名檔貼上自己相簿網址也好,或是透過 MSN/即時通,將作品做成大頭照,或是透過通訊軟體將照片傳給朋友,或是在一些討論社群貼上照片,這些都是在當時最常分享照片的方式之一。
🟥投搞、得獎,從來沒有
其實我這輩子從來沒有主動去參加任何一次攝影比賽,反而當過數次攝影比賽的評審,在我的履歷經歷中,沒有任何一項得獎記錄,對於一個喜歡拍照的人來說,其實是有那麼一點奇怪,如果真的喜歡拍照,又拍了這麼多年,若真的想證明自己「真的有那麼一點熱情」,總會找個適當的攝影比賽,將適合的作品投搞,若有機會獲得獎項,不但得到獎狀、獎金、獎品,還能獲得掌聲與成就,就算不參加國際級的攝影比賽,哪怕只是區域性的小比賽都好,而我「一次」也沒有參加過。
🔹「是對自己沒有自信嗎?」 倒也不是,再怎麼沒自信,攝影這十幾二十年間,總有那麼幾張搬得出台面拼個機會,而另外一點…,你偷偷投搞沒得獎,除了你與主辦單位外,也沒有其它人知道你失敗了,只要花點時間準備一下、投個搞,就算沒得獎,總有機會,就像是買樂透一樣,「人人有機會,個個沒把握」,且現在又是電子檔案投稿更是方便簡單,到底是什麼理由我對這些事情完全提不起任何興趣?🔹
「我發誓,我真的沒有這個念頭過」
🟥「KANO」這部電影
不過擔任過數次攝影比賽評審的經驗,倒是讓我用另外一種角度來看「攝影比賽」這件事情代表的意義,偶爾我會分享一些「如何得獎」的小技巧,哪些照片比較容易吸睛、得分,而這些小技巧並不是從「參加者」的角度來看,更是讓有心志在得獎的人感到興趣。
這裡不妨偷偷告訴你一個秘訣,你可以參考一下,讓我想到電影「Kano」裡頭由「永瀬正敏」飾演的日籍教練「近藤兵太郎」在電影裡對著一群孩子兵說過的一段話「不要想著贏,要想不能輸」,相信許多人仍記得這段台詞,記憶猶新。
但那時候的我並不了解這句話到底是什麼意義,什麼叫「不要想著贏,要想不能輸」,不輸不就是會贏嗎? (除非平手),那為何要想著不能輸? 為何不想著非得贏? 那時好不容易找到一種解讀的說法就是 – 若一直想著贏,就會得失心太重,做任何決定就會綁手綁腳,使得打擊、守備任一動作就會慢半拍,不但可能失去勝利的機會,反而失去享受比賽的樂趣與精神,這是那時我對這句話的心得。
直到有機會成為攝影比賽評審老師之一後,我「終於」了解那句話可能另外的一種含義是什麼意思,試想評審老師手上有一張表格,表格上記載評分項目,包含什麼「主題、創意、技巧、意含、意義..BLABLA」,每次的評分項目名稱不盡相同,但都差不多。
這不難,難的是你可能要面對數百張作品,每一張作品都要為這些項目各別評分…,哇塞有沒有想過,這可是件多大的大工程你知道嗎? 每一張照片都要看過,在每一評分欄位給分,然後透過 EXCEL 為每張作品加總分,並且排序,再依獎項挑出前三、前五名、佳作將、另外特別將、精神可佳獎、參加獎…,這些真的並不容易。 有些評分簡單一點,並不需要加總,只要挑出上述得獎者就好,雖然不用為一一照片評分加總,但總要在心裡有個評分標準,不然得獎作品該如何選出來?
若是遇上「不用為每張照片個自評分」的評審方式的話,我有一套評分的方式 (別的評審老師我不知道如何,至少我是這麼方式),在數百張甚至近千張作品中,用「刪去法」快速刪除至少 9 成以上的做品,若 1000 張照片,第一輪至少刪除 500 張以上,第二輪再刪到大概剩 200 張,重複幾輪下,就會留下 20-30 張左右的作品,再從這幾張作品透過前面提到幾項評分標準,加以評分。
🔹而在「刪除法」的過程中,總是會有那麼幾張「一眼就感動我心」的作品,就像是 KANO 這部電影的台詞「一球入魂」的感受,在幾輪反覆刪除法過程,就是有那幾張照片讓自己印像深刻,最後入圍的作品,前五名啦、佳作啦、最吸睛獎等等,往往就是耐得住幾輪的刪除過程,得以留存在候選名單。🔹
「不要想著贏,要想不能輸」,用在這裡就變成「不要只想著得獎,要想著不被刪除」,一但被我從電腦中刪除的作品,是不大有機會重新撿出來再檢視的機會,若你的作品擁有「不被刪除的特質」,想必是我心中佔了較高分的可能,只是最後得什麼獎,不是由我一個人決定,而是眾多評審分數加總後的結果。
一場攝影比賽評審絕不只一位,越大、越重要的比賽,評審的份量、人數也越多,就我的經驗上,在我評分的過程,我並不知道還有哪些評審老師,也不知道有誰評相同的作品,通常是只有頒獎後才會知道有幾位、有哪些,當然有些攝影比賽一開始就說邀請哪些攝影評審,透過這些知名攝影評審名氣,來為這比賽宣傳更加盛大。
🔹不管幾位評審、不管是哪些評審經歷,似乎大家審視作品的角度雖不一相同,但最後得獎的作品,都不會讓我意外,比如我中意某幾張作品可能得上前三名,或是哪張值得「第一名」,有時結果不意外的就真的得首獎,但也可能不是第一名,但總是跑不掉前三名,但無論如何眾多得獎作品,就是最後我沒刪除的那幾張作品,只是最後總分,由每位評審老師評分後,加總後不同,最後的得獎名次而也不同。🔹
此時我才體驗電影那句話的意思,同樣的我也分享給我的學生,若你想、有志參加攝影比賽得獎,無論主題是什麼、賽級高低程度高低,在拍攝過程、挑選投稿時,心中要抱著「不要只想著得獎,要想著不被刪除」的心態,你會更有機會入選、甚至得獎。
好了,本來只有少數上過我課的學生知道這個小技巧,現在看到這篇文章、這一段的你,也學會了。
🟥攝影比賽、得獎的意義
每次的攝影比賽,總是有吸引人的獎品,多少而已,而一些知名、國際級、代表性的比賽,反而可能只有獎狀,讓不少人趨之若鶩,樂此不彼,代表「獎品」不是一切,那份榮耀才是重點。
獲獎作品,也許你不喜歡,這一點沒關係,因為評分過程有太多關卡變數,且我們常說「藝術是主觀喜好」,那些得獎作品就是受到評審青睞,這也是事實,但不時總是會有一些「地方性、較小主題性」的攝影比賽作品受到不少批評,有時我自己看了,也真的不大懂部分作品得獎作品的「得將點」在哪裡,但擁有數次評審經驗的我,總是還是能替這些得獎作品,簡單的「點評緩頰」一下 (就當作是我個人的感想分享),但總有網路上評論極其苛刻酸薄,我並不會去阻止反對這些聲音存在,但至少「別人作到了,你呢? 不服的話你也去投稿」。
🔹撇開這些,對於一生從未主動投稿,也無意願投搞,但有評審經驗的我來說,我總是會去想「攝影比賽」的意義是什麼? 得獎的作品又有什麼意義? 所有這些事情背後動機又是什麼? 這三個問題都值得用三篇文章好好的聊上一回,但這裡並不是容許我用另外的篇幅,日後再來跟大家分享,但這三個問題卻是我所感覺到現在國內的「攝影態度」,流行的風向。🔹
我可以知道我為何喜歡攝影,現在的喜歡攝影的念頭,與最初想學攝影動機,也有極大的不同,中間有數度峰回路轉的心得,不但追尋自己在不同人生階段,攝對與我的生命、生活的關係,除了是我的工作外,它還會是什麼?
但對比主流的攝影潮流 – 拍出「吸睛」的照片,為了比賽而不斷的拍攝、投稿,這一直都不是我曾想過的念頭,更也不是我過去、現在與未來會走的路,我並不會討厭、反對或是批評,因為確實好的作品,能讓我們增廣見聞,剌激我們對世界的好奇心,豐富我們心靈,好的攝影作品也是藝術,即使我並不想走「投稿得獎」這條路,也不追求為了拍出吸睛的照片,不斷去模仿學習眾多構圖技巧,但那卻是許多人追求的目標,與我自己想追求目標不同而已。
在認識、認同我的人,或許覺得我的意見、文章有所影響力,但比起更多擁有成就的他人、前輩相比,我更顯得人微言輕,這一點反而讓我更可以書寫、抒發我自己的想法、心情,與願意看我的文章的讀者朋友分享。
🔹我認為攝影,在主流的風潮,讓眾多人投入攝影藝術創作,這絕對是好事,無論對自己甚至他人都是正向的活動,但我更覺得「攝影作品」該有更多存在的價值,不該每一張照片就是為了「投稿得獎」而出生,相信這世界上絕對有許多與我志同道和的朋友,與我抱著相同的理念一直努力創作者,而我這篇文章,除了表達我的心聲外,也想跟這些朋友說「你,並不孤單,只是你我並不相識」。🔹
📷📷📷📷
7 堂攝影入門課 🙆♂️終生看 ⏱隨時看 🎞線上看
#報名連結:https://go.hojenjen.com/3p2g6n
👉9/30 前早鳥價~~ $4990🖍
同時也有5部Youtube影片,追蹤數超過2,750的網紅馬它mata x,也在其Youtube影片中提到,🗣 嗨大家,上傳在YouTube的是「精華版」Podcast,如果聽完覺得有趣,可以前往各大平台收聽完整版! 【收聽我的Podcast節目🙌】 ▌https://open.firstory.me/story/cklzv3erhgpg708545ykmuez6/platforms *留下五星評價...
聲音模仿軟體 在 社會心理,從他們到我們-林仁廷 諮商心理師 Facebook 的最佳解答
【轉貼分享】抖音 抖出了什麼矛盾自我?
。
這是3年前的網路文章,現在再看到來分享
那時我就覺得抖音很可怕了
無意識的聲音與韻律,跟雞排一樣輕鬆入口卻沒營養,順便上癮
可是反過來想,它能興起,不就是抓住了人們的心理:如何快速展現自己
。
但那是一個假的自己,十幾秒的很像是創作卻又很空虛的東西
。
這時代的精神問題越益嚴重
生存要義氣,但存在要意義。人們卻沒有這些。
精神面議題精神面解決,多接觸哲學、心理學、神學、歷史...並體驗人生,才能逐步破除這種空虛,有實實在在的內容
。
PS:以前流行養電子雞也差不多這個意思...跟我同年代才知道的遊戲
。
文摘:
每個年輕人都想「做自己」,卻又不敢或也不知如何真做自己,就依網路媒介正在流行的「做自己」方式,安全又好玩地展演一下。換句話說,批評這些模仿影片的拍攝者都是一窩蜂,似乎只對了一半;沒有人會承認這是盲目從眾,因為每個煞有其事認真對嘴或舞動軀體的年輕人,都在透過各種模板練習召喚掌聲的某種「個性」。
。
https://www.storm.mg/article/470976
聲音模仿軟體 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
摩爾定律放緩 靠啥提升AI晶片運算力?
作者 : 黃燁鋒,EE Times China
2021-07-26
對於電子科技革命的即將終結的說法,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的,但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……
人工智慧(AI)的技術發展,被很多人形容為第四次科技革命。前三次科技革命,分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭,比如有人說第四次科技革命是生物技術革命,還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術,而且作為資訊技術的組成部分,卻又獨立於資訊技術,即表示它有獨到之處。
電子科技革命的即將終結,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有,但這波革命始終也沒有結束。
AI技術本質上仍然是第三次科技革命的延續,它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度,那麼這個領域自然就不可小覷,就像當年GPU出現專門為圖形運算服務一樣。
所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現,很大程度上也是因為摩爾定律的發展進入緩慢期:電晶體的尺寸縮減速度,已經無法滿足需求,所以就必須有某種專用架構(DSA)出現,以快速提升晶片效率,也才有了專門的AI晶片。
另一方面,摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期,電晶體製程進步為晶片帶來了相當大的助益,那是「happy scaling down」的時代——CPU、GPU都是這個時代受益,不過Dennard Scaling早在45nm時期就失效了。
AI晶片作為第三大類處理器,在這波發展中沒有趕上happy scaling down的好時機。與此同時,AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節,燧原科技創始人暨CEO趙立東說:「現在訓練的GPT-3模型有1750億參數,接近人腦神經元數量,我以為這是最大的模型了,要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題,說最大模型超過萬億參數,又是10倍。」
英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說:「前兩年用GPU訓練一個大規模的深度學習模型,其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪,以及提供運算力的AI晶片不夠高效。
不過作為產業的底層驅動力,半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到,針對這個問題的一些前瞻性解決方案——有些已經實現,有些則可能有待時代驗證。
XPU、摩爾定律和異質整合
「電腦產業中的貝爾定律,是說能效每提高1,000倍,就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說,「若每瓦功耗只能支撐1KOPS的運算,當時的這種運算形態是超算;到了智慧型手機時代,能效就提高到每瓦1TOPS;未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求,如果依然沿著CMOS這條路去走,當然可以,但會比較艱辛。」
針對性能和效率提升,除了尺寸微縮,半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化,以及處理架構的革新。
(1)AI晶片本身其實就是對處理器架構的革新,從運算架構的層面來看,針對不同的應用方向造不同架構的處理器是常規,更專用的處理器能促成效率和性能的成倍增長,而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU,即AI處理器),乃至更專用的ASIC出現,都是這類思路。
CPU、GPU、NPU、FPGA等不同類型的晶片各司其職,Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情,「整合起來各取所需,用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類,Core CPU、Xe GPU,以及透過收購獲得的AI晶片Habana等。
另外針對不同類型的晶片,可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令,本質上是特別針對深度學習做加強。「專用」的不一定是處理器,也可以是處理器內的某些特定單元,甚至固定功能單元,就好像GPU中加入專用的光線追蹤單元一樣,這是當代處理器普遍都在做的一件事。
(2)從電晶體、晶片結構層面來看,電晶體的尺寸現在仍然在縮減過程中,只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降,需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後,電晶體變為FinFET結構,在3nm之後,電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET),其本質都是電晶體本身充分利用Z軸,來實現微縮性能的提升。
劉明認為,「除了基礎元件的變革,IC現在的發展還是比較多元化,包括新材料的引進、元件結構革新,也包括微影技術。長期賴以微縮的基本手段,現在也在發生巨大的變化,特別是未來3D的異質整合。這些多元技術的協同發展,都為晶片整體性能提升帶來了很好的增益。」
他並指出,「從電晶體級、到晶圓級,再到晶片堆疊、引線接合(lead bonding),精準度從毫米向奈米演進,互連密度大大提升。」從晶圓/裸晶的層面來看,則是眾所周知的朝more than moore’s law這樣的路線發展,比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮,來彈性擴展性能的方案。
台積電和Intel這兩年都在大推將不同類型的裸晶,異質整合的技術。2.5D封裝方案典型如台積電的CoWoS,Intel的EMIB,而在3D堆疊上,Intel的Core LakeField晶片就是用3D Foveros方案,將不同的裸晶疊在一起,甚至可以實現兩片運算裸晶的堆疊、互連。
之前的文章也提到過AMD剛發佈的3D V-Cache,將CPU的L3 cache裸晶疊在運算裸晶上方,將處理器的L3 cache大小增大至192MB,對儲存敏感延遲應用的性能提升。相比Intel,台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連,而不是micro-bump,做到更小的打線間距,以及晶片之間數十倍通訊性能和效率提升。
這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面,即新材料的導入專家們沒有在論壇上多說,本文也略過不談。
1,000倍的性能提升
劉明談到,當電晶體微縮的空間沒有那麼大的時候,產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market,理論上應該也屬於成本的一部分。
電晶體微縮方案失效以後,「多元化的技術變革,依然會讓IC性能得到進一步的提升。」劉明說,「根據預測,這些技術即使不再做尺寸微縮,也會讓IC的晶片性能做到500~1,000倍的提升,到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進;單裸晶儲存容量變得越來越大,IC依然會為產業發展提供基礎。」
500~1,000倍的預測來自DARPA,感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應,而且有更實際的工程問題待解決,比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。
不過1,000倍的性能提升,的確說明摩爾定律的終結並不能代表第三次科技革命的終結,而且還有相當大的發展空間。尤其本文談的主要是AI晶片,而不是更具通用性的CPU。
矽光、記憶體內運算和神經型態運算
在非傳統發展路線上(以上內容都屬於半導體製造的常規思路),WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣,或者仍在商業化的極早期。
(1)近記憶體運算和記憶體內運算:處理器性能和效率如今面臨的瓶頸,很大程度並不在單純的運算階段,而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率,可能是提升整體系統性能時,一個非常靠譜的思路。
這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的,應該不在少數。所謂的近記憶體運算,就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3),以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」,cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。
這兩年在近記憶體運算方面比較有代表性的,一是AMD——比如前文提到3D V-cache增大處理器的cache容量,還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構,也更早應用了HBM2記憶體方案。這些實踐都表明,儲存方面的革新的確能帶來性能的提升。
另外一個例子則是Graphcore的IPU處理器:IPU的特點之一是在裸晶內堆了相當多的cache資源,cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作,極大提升頻寬、降低延遲和功耗。
近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中,多層級的儲存結構,資料的搬運不僅僅在處理和儲存之間,還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。
構建非馮(non-von Neumann)架構,把傳統的、以運算為中心的馮氏架構,變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。
記憶體內運算的就現在看來還是比較新,也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法,儲存單元本身就有運算能力,理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目,畢竟可極大減少海量資料的移動操作。
其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部,部分執行資料處理工作;主要應用於神經網路(因為非常契合神經網路的工作方式),以及這類晶片具體的工作方法上,可能更傾向於神經型態運算(neuromorphic computing)。
對於AI晶片而言,記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時,有比較頻繁的資料存取操作,這對性能和功耗都有影響。不過記憶體內運算的具體實施方案,在市場上也是五花八門,早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構,用40nm嵌入式NOR,在儲記憶體內部執行運算,不過替換掉了數位週邊電路,改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。
劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中,近記憶體運算的這個方案應該和AMD的3D V-cache比較類似,把儲存裸晶和運算裸晶疊起來。
劉明指出,「這是我們最近的一個工作,採用hybrid bonding的技術,與矽通孔(TSV)做比較,hybrid bonding功耗是0.8pJ/bit,而TSV是4pJ/bit。延遲方面,hybrid bonding只有0.5ns,而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上,前文也提到了它具備更高的互連密度和效率。
另外這套方案還將DRAM刷新頻率提高了一倍,從64ms提高至128ms,以降低功耗。「應對刷新率變慢出現拖尾bit,我們引入RRAM TCAM索引這些tail bits」劉明說。
記憶體內運算方面,「傳統運算是用布林邏輯,一個4位元的乘法需要用到幾百個電晶體,這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法,然後利用基爾霍夫定律完成列的累加。」劉明表示,「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存,沒有資料搬運。」這是記憶體內運算的常規思路。
「無論是基於SRAM,還是基於新型記憶體,相比近記憶體運算都有明顯優勢,」劉明認為。下圖是記憶體內運算和近記憶體運算,精準度、能效等方面的對比,記憶體內運算架構對於低精準度運算有價值。
下圖則總結了業內主要的一些記憶體內運算研究,在精確度和能效方面的對應關係。劉明表示,「需要高精確度、高運算力的情況下,近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術,這幾年的進步也非常快。」
去年阿里達摩院發佈2020年十大科技趨勢中,有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式,這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題:是記憶體廠商,還是數文書處理器廠商?(三星推過記憶體內運算晶片,三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)
(2)神經型態運算:神經型態運算和記憶體內運算一樣,也是新興技術的熱門話題,這項技術有時也叫作compute in memory,可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是,這種結構更偏「類人腦」。
進行神經型態研究的企業現在也逐漸變得多起來,劉明也提到了AI晶片「最終的理想是在結構層次模仿腦,元件層次逼近腦,功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。
傳說中的Intel Loihi就是比較典型存算一體的架構,「這片裸晶裡面包含128個小核心,每個核心用於模擬1,024個神經元的運算結構。」宋繼強說,「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來,構成接近1億神經元的系統,讓學術界的夥伴去試用。」
「它和深度學習加速器相比,沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線,功耗很低,也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為,不採用同步時脈,「刺激的時候就是一個非同步電動勢,只有工作部分耗電,功耗是現在深度學習加速晶片的千分之一。」
「而且未來我們可以對不同區域做劃分,比如這兒是視覺區、那兒是語言區、那兒是觸覺區,同時進行多模態訓練,互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片,似乎也是Intel在XPU方向上探索不同架構運算的方向之一。
(2)微型化矽光:這個技術方向可能在層級上更偏高了一些,不再晶片架構層級,不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面,已有應用了,發出資料時,連接埠處會有個收發器把電訊號轉為光訊號,透過光纖來傳輸資料,另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高,內部元件數量大,尺寸也就比較大。
Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的,就是把光和電子相關的組成部分高度整合到晶片上,用IC製造技術。未來的光通訊不只是資料中心機架到機架之間,也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大,也就是所謂的I/O功耗牆,這是這類微型化矽光元件存在的重要價值。
這其中存在的技術挑戰還是比較多,如做資料的光訊號調變的調變器調變器,據說Intel的技術使其實現了1,000倍的縮小;還有在接收端需要有個探測器(detector)轉換光訊號,用所謂的全矽微環(micro-ring)結構,實現矽對光的檢測能力;波分複用技術實現頻寬倍增,以及把矽光和CMOS晶片做整合等。
Intel認為,把矽光模組與運算資源整合,就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上,這類技術還是頗具前景,Intel此前說目標是實現每根光纖1Tbps的速率,並且能效在1pJ/bit,最遠距離1km,這在非本地傳輸上是很理想的數字。
還有軟體…
除了AI晶片本身,從整個生態的角度,包括AI感知到運算的整個鏈條上的其他組成部分,都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面,針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體,透過軟體最佳化就能實現幾倍的性能提升。
宋繼強說,「我們發現軟體最佳化與否,在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。
在AI開發生態上,雖然Nvidia是最具發言權的;但從戰略角度來看,像Intel這種研發CPU、GPU、FPGA、ASIC,甚至還有神經型態運算處理器的企業而言,不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台,用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。
在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下,處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升;而一些新的技術方向,包括近記憶體運算、記憶體內運算和微型矽光,能夠在資料訪存、傳輸方面產生新的價值;神經型態運算這種類腦運算方式,是實現AI運算的目標;軟體層面的最佳化,也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩,AI晶片的性能、效率提升在上面提到的這麼多方案加持下,終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。
資料來源:https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg
聲音模仿軟體 在 馬它mata x Youtube 的最佳貼文
🗣 嗨大家,上傳在YouTube的是「精華版」Podcast,如果聽完覺得有趣,可以前往各大平台收聽完整版!
【收聽我的Podcast節目🙌】
▌https://open.firstory.me/story/cklzv3erhgpg708545ykmuez6/platforms
*留下五星評價,留言妳的想法或是希望聽到的主題
*KKBOX & Spotify可以把節目分享到IG限動,分享你的感想給我吧
*推薦大家起床、睡前、通勤、吃飯四個時間聽最讚!
▌麥克風:美國Blue Snowball 雪球麥克風 / 白色 2980$
▌聲音剪輯軟體:Audacity
.....................................................................
S2EP#14|不被尊重的設計產業:接案鳥事、設計師薪水&職場生態?如何自學設計&工具推薦、給社會新鮮人的建議 feat. 我的設計偶像凱文&Tammy
▊ 這集聊什麼
(00:01:30) 歡迎我實習時的設計台柱:凱文&Tammy、設計醫療圖像、設計產業的職場困難、不尊重來自不了解
(00:12:50) 提高設計的含金量(醫療業/博弈業) 、設計師普遍低薪、如何提升薪水&價值?
(00:19:00) 設計接案經歷、如何開始接案?談價碼?接案者的困難處、遇到的鳥人鳥事、該有的心態
(00:37:20) 如何開始自學設計?推薦的平台&工具&Podcast、培養美感從模仿開始
(00:47:47) 經營設計粉專竄紅?進入職場的實用建議
凱文提及的設計工具及參考→優設、施博瀚(IG)、Netflix抽象:設計的藝術
如果大家想看更多內容,可以參考這篇
https://bit.ly/3ajlTW2
也歡迎大家去凱文的設計粉專【郭政佑 Kevin】看看
https://www.facebook.com/DesignerKuo
.....................................................................
【在職場闖蕩的大四生】— 分享在校園跟職場之間的大小事:快畢業的未來迷惘 & 畢業不久的社畜心聲 & 職場實習的各種秘辛!
馬它mata – 念醫學大學、Youtuber、Podcaster、穿搭客 — 擅長在家邋遢出門漂亮。
*請我喝大冰美,每天才有動力keep going
https://pay.firstory.me/user/matainthehouse
*IG:https://reurl.cc/rgdo8b
*YouTube:https://reurl.cc/KAKqjm
*Email:camelstyle0629@gmail.com
.....................................................................
🗣關於我的Podcast節目《馬它 in the HOUSE》
【在職場闖蕩的大四生】— 分享在校園跟職場之間的大小事:快畢業的未來迷惘 & 畢業不久的社畜心聲 & 職場實習的各種秘辛!
馬它mata – 念醫學大學、Youtuber、Podcaster、穿搭客 — 擅長在家邋遢出門漂亮。
*請我喝大冰美,每天才有動力keep going
https://pay.firstory.me/user/matainth...
.....................................................................
◆ 如果想看更多關於我的食物 / 穿搭 / 旅遊 /日常分享,可以到下方連結
◆ 個人IG : 👉 matamata.chan.92
◆ 食物IG : 👉 Food_map_camel
◆ FB粉絲專頁 :👉 https://reurl.cc/e5v12x
◆ Popdaily創作者計畫👉https://www.popdaily.com.tw/user/28032
.....................................................................
喜歡我這支影片的話,記得按讚和分享給你所有的朋友
也可以去我的IG看看關於我的更多分享
記得訂閱我的頻道呦d(`・∀・)b
#podcast#馬它intheHOUSE#podcast推薦
聲音模仿軟體 在 吳青峰 官方專屬頻道 Wu Qing Feng's Official Channel Youtube 的精選貼文
藝術實驗二部曲:〈水仙花之死〉、〈男孩莊周〉
🎧《太空人》數位/實體收藏 https://lnk.to/Wu_TKR
水仙花死後,輪迴成了男孩莊周
死於自戀的花裡,生於恣意的話裡
一幅幅美如畫的視覺,綻放燦爛瞬間的學說
-
-
藝術代表之作:〈水仙花之死〉
導演:談宗藩
當「你」,出現在社群媒體
注定了被拼貼模仿複製的可能性
同時反射了在「你」後方,那些看不見的回音
歌曲以「自戀」出發,闡述著當代的水仙花們。希臘神話裡,納希瑟斯愛上水中自己的倒影,最後掉進水裡死去,眾神憐憫他,從他的身體綻放出水仙花,他的名字傳於後代,成為「自戀」一詞:Narcissus。當納希瑟斯愛著水中倒影時,沒發現的是,回音仙女(Echo)在他的身後迷戀著他,兩者都愛上那個 愛不到的對象,更可能說的是,迷戀著自己的迷戀。
當今的社會,人們追逐著數位時代創出來的樣貌,透過濾鏡、透過自拍、修飾,愛上了那鏡花水月、孽影魔障,在虛擬世界綻放的水仙花。MV裡,青峰化身為現代水仙,成為眾人投射的對象,導演談宗藩透過不同的鏡面影射、無數替身衍生出的分身、模糊的自我界線、拼貼複製出的自我意識......等,透過如藝術品般的作品畫面,表達現代人在數位時代內對自我認可的迷失心態,更直接的說,也許我們都愛上了那個不存在的自我。此MV更由青峰的好友陳珊妮擔任造型統籌,打造出你從沒看過的吳青峰。
-
〈水仙花之死〉
有一種愛 僅只存在 幻影的水波
有一種愛 僅只看在 慾望的泡沫
還有種愛 僅只躲在 回音的身後
有一種愛 以假亂真 經不起撩撥
有一種愛 以夜繼日 等不到結果
這麼兩種愛 一個看不懂 一個不能說
看你
你愛上鏡花水月反射出的賣弄
你愛上孽影魔障修飾以後的面容
你愛上高矮胖瘦不存在的自我
走進一個生活 人前與人後
走進真的生活 你該怎麼活
謊言這麼多 孤獨這麼久 想不透
掉進一個牢籠 垂危的野獸
化為一灘血泊 至死不罷休
長出水仙花 搖曳在風中 瑟瑟發抖
綻放一些時候
有一天花 垂下了頭 影照在湖中
那一朵花 竟有了念 悔自己心動
再不願抬頭 再一次腐朽 有個聲音說
聽著
有一次復活讓你在生命裡揮霍
有一些經驗只能在後悔裡頭捕獲
如果你渴望做夢 我就是你的夢
給你一個機會 再一遍去活
從死之手掙脫 你想怎麼活
問題這麼多 計算這麼久 猜不透
爛為泥淖之流 猩紅熱的腫
大地羊水之中 誕生前的痛
冒出一雙手 十根腳趾頭 眼耳鼻口
有個嬰兒赤裸
回到新的生活 別再找尋「我」
最危險的生活 就是找尋「我」
學者這麼多 歷史這麼久 參不透
這次別再回頭 看你
詞曲/吳青峰
製作人/吳青峰、徐千秀
編曲/寗子達 Michael Ning
Bass/寗子達 Michael Ning
合聲、合聲編寫/吳青峰
錄音(樂器)/單為明@Lights Up
錄音(人聲)/吳青峰@青Home
人聲編輯/單為明
混音/單為明@Lights Up
母帶/Randy Merrill@Sterling Sound
【MV團隊】
導演/談宗藩
副導/黃夏妤
製片/劉娟如(粉圓)
執行製片/洪家翎
現場助理/劉怡孜、邱繼弘
選角指導/陳靜媚(Lucy)
選角執行/蔡佳恩
攝影指導/余靜萍
攝影大助/白杰立(小白)
攝影助理/頌軒
攝影助理/陳冠綸
燈光師/林宏洋(阿洋)
燈光大助/鄭智遠
燈光助理/曾宥運、吳思賢
現場場務/林建男
美術指導/黃尹姿
美術執行/王佳儒
造型設計/陳珊妮
服裝師/楊立佳(佳佳)
化妝師/呂依珊(球球)
化妝助理/郭子毓
髮型師/巫依宸
髮型助理/蔡劭其
舞蹈指導/張庭歡(Una)
臉模+舞者/郭子豪
舞者/朱震、吳俊哲、潘宥升、黃柏崴
後期/談宗藩、曾筱涵
逐格動畫/李文靜
拍攝協力/十三行娛樂國際有限公司、宏達數位影業有限公司、阿榮影業股份有限公司、妄想機影音製作有限公司、Baboo
藝人彩妝/張婉婷
藝人髮型/Edmund Lin from ZOOM Hairstyling
藝人造型協力/郁萍 Yu-Ping
平面記錄/沈晶
影像紀錄/李依純
#水仙花之死
#男孩莊周
#吳青峰太空人線上影展
--
🎬 太空人影展 https://qing.pros.is/TKRfes
〈譯夢機〉https://youtu.be/pUW2Zwx1HNs
〈回音收集員〉https://youtu.be/li05s2C5410
〈巴別塔慶典〉https://youtu.be/iOs7Ykmhew4
〈太空人〉https://youtu.be/kRxk9v0bsC0
〈傷風〉……https://youtu.be/DDiVLYGwemU
〈失憶鎮〉https://youtu.be/8QdllosLKN4
〈太空〉https://youtu.be/LV7eT2_VwMw
〈水仙花之死〉……https://youtu.be/R7iTUuvxIDU
〈男孩莊周〉……https://youtu.be/hco_Oaltm2c
〈太空船〉https://youtu.be/oa9U-6blsv0
〈線的記憶〉https://youtu.be/SlHOREEN2Ac
〈Outsider〉……https://youtu.be/GCI_v-qKjbw
……………………………
Sᕵᗩᑢᘿᘻᗩᘉ《太空人》
吳青峰首張專輯
2019年9月6日 數位及實體同步發行
👨🚀 吳青峰《太空人》全部連結
https://linktr.ee/qingfeng
……………………………
▶ 吳青峰 IG:https://www.instagram.com/imqingfeng
▶ 吳青峰 FB:https://www.facebook.com/WuQingFeng
▶ 吳青峰 微博:https://www.weibo.com/u/1822796164
🔔 訂閱吳青峰官方專屬頻道:http://bit.ly/qingyoutube
……………………………
聲音模仿軟體 在 瓦特阿悠 Youtube 的最佳貼文
---------------------------------------------
眾多爆笑影片 或許你們會喜歡
歡迎認識我們吧!
▼一萬訂閱Q&A我是男是女?!
https://www.youtube.com/watch?v=eIGQ8...
▼GAME|你不讓它爆,我就爆你X!發生了什麼事,讓瓦特一直掐阿攸的?
https://www.youtube.com/watch?v=S01oW6EUfUU&t=19s
▼有阿攸的瓦特像個寶!情人節還有禮物拿!我要哭了QQ
https://www.youtube.com/edit?o=U&video_id=XPQ27Iqal8o
▼把姊姊改成超妖豔的成熟大美女!穿那麼少真不習慣!
https://www.youtube.com/edit?o=U&video_id=c2vJZlb_mFg
---------------------------------------------
▼女同志為了模仿男生而穿束胸? 誤會大了!|束胸品牌分享 Esha束胸新品
https://www.youtube.com/watch?v=1c8sffcZYrs&t=28s
▼特攸劇場|妹妹買了情趣用品?!
https://www.youtube.com/watch?v=6mz7pST-2MI
--------------------------------------------------------
想追蹤我們最新的動態
可以來看看我們的粉專以及IG哦!
【Youtube訂閱】瓦特阿攸
https://www.youtube.com/user/carzyvul3fu3
▼瓦特個人頻道
https://www.youtube.com/channel/UCr2hHO6GlUiR_oC86K8TRbQ
▼妹妹瓦特【instagram】
https://www.instagram.com/waterisnotwater/
▼姐姐阿攸【instagram】
https://www.instagram.com/siao_ting_guo
▼瓦特阿攸【FB粉絲專頁】
https://www.facebook.com/waterUu/
▼合作與意見信箱
ejivul3fu3@gmail.com
---------------------------------------------------------
剪輯軟體
Sony vegas pro13
設備
Canon 800D + Sony 3000