而随着书写，林奇的板书笔法也越发飘忽——

        训练后的神经网络以标签或预估值对数据分类，此乃推理。

        因此每个神经元都需要进行计算。

        输入数据乘以权重，表示信号强度。

        结果相加聚合神经元状态。

        使用激活函数调节神经元参数活动。

        如此一步接着一步，连绵不绝。

        按理说，三个输入而只有两个神经元与一个单层神经网络的话，权重与输入便要六次乘法……

        如此一来，矩阵里的乘片与取片，都需要大量的CPU周期与内存，而TPU这种芯片，便是为了减轻这种负荷而生。

        林奇忍不住皱眉看了眼周围。

        某种程度而言，计算量的负荷和电网的负荷很类似，最大的负荷便决定了整体的高峰所在（计算难度），也决定了接下来他完成“AI芯片”后所能够到达的高峰。

        而供与求有需要平衡，不然的话，第一道崩溃的便是自身。

        只是他很快又重新被TPU的构架所吸引而痴迷起来。

        内容未完，下一页继续阅读