详解如何利用vtk和python实现机械臂三维模型的可视化推动条件

第三章 知识图谱推动条件和驱动因素 一、 推动条件 （一）计算设备及硬件的发展 知识图谱的发展离不开计算硬件的支撑，特别是知识图谱构建、推 理、应用过程中的机器学习算法的训练和预测等过程，对计算硬件的依赖 显得尤为明显。随着不越来越多不同类型的硬件设备连接到互联网，生成 了海量有用业务数据，同时基于这些业务数据在一定程度上改善该行业领 域的用户体验。现阶段知识图谱对算力的需求体现在两方面，一是知识图 谱算法包括大量的卷积、残差网络、全连接等计算需求，在摩尔定律接近 物理极限、工艺性能提升对计算能力升级性价比日益降低的前提下，仅基 于工艺节点的演进已经无法满足算力快速增长的需求；二是知识图谱需要 对海量数据样本进行处理，强调芯片的高并行计算能力，同时大量数据搬 运操作意味着对内存存取带宽的高要求，而对内存进行读写操作尤其是对 片外内存进行读写访问的消耗的功耗要远大于计算的功耗，因而高能效的 内存读写架构设计对芯片至关重要。目前市场上知识图谱技术使用的主流 硬件加速器有三类：GPU、FPGA、ASIC。 1、GPU对知识图谱发展的推动 CPU与GPU两者都是由控制器、逻辑单元和寄存器组成，在CPU中控 制器和寄存器占很大比重，而在GPU中逻辑单元的规模远远高于CPU。这 种不同的构架决定了GPU在数据的算术、逻辑运算等方面的并行处理能 力显著增强，而基于神经网络的知识图谱技术，对并行处理能力的要求远 远高于计算精度。除了计算核心的增加，GPU在每个流处理器集群末端