金牌店家

不管是老手媽媽還是新手媽媽都看這邊！我們都知道所有的產品裡，小朋友的商品應該是最難選的

小朋友長得又快，過了一個時期又瞬間抽高，怎麼選是一門很大的學問了，也可以避免買錯捶心肝~~

因為網路很發達，臉書又這麼普及媽咪買東西更是方便，尤其媽咪一定會到很多親子網站或是親子社團去了解產品的優缺點

不過看了這麼多網站真真假假的資料，【安安成人】全能加值型M號 成人紙尿褲(15片x6包/箱)是我在看到最多人推薦的好物

對於我這個精打細算的好媳婦好媽媽來說，真是太棒囉！

通常有在關注相關婦幼產品的媽媽，不用考慮了，這款是我花有夠多時間才彙整出來的好物，不怕比較的啦

很多媽咪也都大推這款產品，真的很值得入手！

到貨速度也很快，光這一點就大推了！

所以我個人對【安安成人】全能加值型M號 成人紙尿褲(15片x6包/箱)的評比如下

質感：★★★★

使用爽感：★★★★☆

性能價格：★★★★☆

趁現在宅經濟發酵，大家又很保護小朋友不隨意出門，網購就變成媽咪們在家的興趣了~

而且廠商優惠只在這個時候~~

不然被掃光了也只能怪自己速度不夠快～下次記得手刀加速啊!

詳細介紹如下~參考一下吧

完整產品說明

安安 全能加值型 成人紙尿褲
•獨家甲殼素抑菌防護層
•彈性伸縮腰圍設計
•隨意再貼區
•立體防漏隔邊設計
•超柔軟表層
•超效導流紋
•抑菌除臭高分子吸收層

品牌名稱

對象與族群

• 女性
• 男性
• 中性

包裝組合

• 串購

類型

• 重度尿失禁(>300ML)

尺寸

• M

非常推薦【安安成人】全能加值型M號 成人紙尿褲(15片x6包/箱)給大家

↓↓↓限量特惠的優惠按鈕↓↓↓

↓↓↓找不到適合的商品嗎，本月好物推薦一起來看吧↓↓↓

標籤註解：

PTT鄉民【安安成人】全能加值型M號 成人紙尿褲(15片x6包/箱)限量,團購,限時,週年慶,禮物,優惠,【安安成人】全能加值型M號 成人紙尿褲(15片x6包/箱)特價,開箱,比價,活動,好評,推薦

mobile01網友【安安成人】全能加值型M號 成人紙尿褲(15片x6包/箱)哪裡便宜,採購,優缺點,試用【安安成人】全能加值型M號 成人紙尿褲(15片x6包/箱),好用,CP值,經驗,好康,集購,下殺,免比價,去哪買？,

名人推薦【安安成人】全能加值型M號 成人紙尿褲(15片x6包/箱)介紹,部落客,排行,【安安成人】全能加值型M號 成人紙尿褲(15片x6包/箱),體驗,精選,限定,折扣,折價卷,dcard推薦,直播主推薦,網紅推薦熱賣款

熱點新知搶先報

目前多家公司都在開發網絡邊緣系統的AI晶片，本文作者詳細分析AI邊緣晶片遇到的問題和挑戰，並給出一些新的內存技術解決方案。 ... 作者 | Mark LaPedus 譯者 | 彎月，責編 | 伍杏玲 封圖 | CSDN下載自視覺中國 出品 | CSDN（ID:CSDNnews） 以下為譯文： 目前多家公司都在開發網絡邊緣系統的AI晶片，然而供應商在處理結點和內存選擇上面臨著各種各樣的難題，這些難題還會因應用而異。 例如網絡邊緣類的產品涉及汽車、無人機、監控攝像頭、智能揚聲器乃至企業伺服器。所有這些應用都包含運行機器學習算法的低功耗晶片。儘管這些晶片的許多組件與其他數字晶片並無二樣，但主要區別在於這些晶片的大部分處理都是在內存中，或是在內存附近進行的。 鑒於這一點，AI邊緣晶片的製造商都在為下一代設備評估不同類型的內存。每種類型的內存都有自己的難題。在許多情況下晶片使用的都是成熟的工藝，而非最先進的技術，但它們本身也必須採用低功耗架構。 AI晶片有時也稱為深度學習加速器或處理器，在經過優化後，可以使用機器學習來處理系統中的各種工作負載。機器學習是AI的子集，它利用神經網絡處理數據並識別模式，匹配某些模式，並了解其中哪些屬性很重要。 這些晶片面向整個計算應用領域，但是這些設計直接存在明顯的差異。例如，為雲開發的晶片通常基於高級流程，並且設計和製造成本很高。同時，邊緣設備包括為汽車市場開發的晶片，以及無人機、監控攝像頭、智慧型手機、智能門鈴和語音助手。在這一廣泛的領域中，每個應用都有不同的要求。例如，智慧型手機晶片與智能門鈴的晶片截然不同。 對於許多邊緣產品而言，它們的目標是開發具有剛好夠用的計算能力的低功耗設備。「這類的產品無法承受300瓦的GPU。對於許多這類應用來說，即使是30瓦的GPU也太大了。」The Linley Group首席分析師Linley Gwennap表示，「但是，設備製造商仍然希望製作出一些複雜的設備。這就需要比微控制器更強大的AI功能。你需要功能強大，但又不會耗盡電池或成本過高的晶片，尤其是在消費類應用程式中。因此，你必須考慮一些頗為激進的新解決方案。」 一方面，大多數邊緣設備都不需要昂貴的高級節點晶片，因為它們太昂貴了。當然也有例外。此外，許多AI邊緣晶片都在內存內或在內存附近處理功能，這樣做可以用更少的功耗來加速系統。 供應商們正在考慮各種內存方法，並為將來的晶片探索新的方法： 使用SRAM等常規存儲器。 使用NOR存儲器，或一種名為模擬內存計算的新技術。 使用相變化存儲器、MRAM、ReRAM和其他下一代存儲器，AI邊緣晶片已開始廣泛採用這些存儲器。 ... AI「爆炸」 機器學習問世已經幾十年了。然而我們的系統沒有足夠的能力來運行這些算法。 近年來，由於GPU和其他晶片以及機器生成的算法的出現，機器學習開始蓬勃發展。 「從1990年代開始，機器學習才開始得到了應用，」D2S執行長Aki Fujimura說，「但隨著GPU的出現，近年來情況發生了變化。GPU推進了深度學習的應用，因為如今我們的計算能力加強了。」 這些設備以及其他設備的目標是處理神經網絡中的算法，其本質是計算矩陣乘積並求和。首先將數據矩陣加載到網絡中。然後，每個元素乘以預先定好的權重，並將結果傳遞到網絡的下一層，再乘以一組新的權重。重複幾次這個步驟後，得出的結果就是有關數據的結論。 機器學習已在許多行業中得到應用，其中在半導體行業中，已經出現了幾十個機器學習晶片供應商。許多都是為雲開發晶片的公司。這些系統的晶片旨在加速Web搜索、語言翻譯以及其他應用程式。根據Linley Group的數據，2019年這些設備的市場規模超過了30億美元。此外，市場上還湧現了幾十個AI邊緣晶片供應商，例如Ambient、BrainChip、GreenWaves、Flex Logix、Mythic、Syntiant等。預計到2024年，總共將有16億臺邊緣設備配備深度學習加速器。 AI邊緣晶片可使用8位計算來運行機器學習算法。「你可以在同一個地方生成、使用和處理數據。這有很大的優點：我們都會面臨電池壽命的問題。如果可以不用開網際網路的連接，而是在本地進行AI處理，那就可以節省大量電量。響應性也很重要，還有可靠性，以及最終也要保證隱私。」Syntiant執行長Kurt Busch說，「在深度學習中，最大的問題就在於內存訪問。電池和性能的瓶頸最終都會落在內存上。其次，並行處理。在深度學習中，我可以並行進行數百萬次乘法和累加，並通過並行處理有效地線性縮放。」 AI邊緣晶片有不同的要求。例如，智慧型手機集成了領先的應用處理器。但其他邊緣產品（比如門鈴、監控攝像頭和揚聲器等）則並非如此。 UMC業務開發副總裁Walter Ng表示：「邊緣設備的解決方案涉及經濟的問題。它必須對成本非常敏感。整體目的是具有競爭力的成本、低功耗以及簡化的計算分布。」 此外，還有其他因素需要考慮。許多AI邊緣晶片供應商都需要在40nm左右的成熟節點上交付產品。目前這一工藝很理想，成本並不昂貴。但展望未來，供應商希望以低功耗獲得更高的性能。下一個節點是28nm，這也很成熟而且很便宜。最近，製造廠商已經引入了各種22nm的工藝，這是28nm的擴展。 22nm比28nm略快，但是價格高。大多數供應商都不會遷移到16nm/14nm的finFET，因為太貴了。 遷移到下一個節點不是一個簡單的決定。「如今許多客戶及其應用都在40nm上。」 Ng說，「當著眼於下一個節點路線圖時，他們是否會滿意，並在28nm上獲得最佳性價比？還是說22nm看起來比28nm更具吸引力，能提供更多好處？這是許多人都在考慮的因素。」 ... 使用傳統的內存技術 在傳統系統中，內存層次結構很簡單。為此，我們將SRAM集成到可以訪問常用程序的高速緩存處理器。用於主內存的DRAM是獨立的，位於內存模塊中。 在大多數系統中，數據會在內存和處理器之間來回移動。但是這種交換會導致等待時間和功耗的增加，有時也稱為「內存牆」，而且這個問題會隨著數據量的增加而變得越來越嚴重。 因此，在內存內或內存附近進行計算，就非常適合解決這個問題。內存內計算可以將需要處理的任務放到內存中，而內存附近計算可以使用距離處理邏輯最近的內存。 並非所有晶片都使用內存計算。但是，AI邊緣晶片供應商正在使用這些方法來打破內存牆。他們還從雲上轉移了一些處理功能。 去年，Syntiant推出了第一款產品「神經決策處理器」，該處理器將神經網絡體系結構集成到了一個小巧的低功耗晶片中。這個40nm的音頻設備還集成了具有112KB RAM的Arm Cortex-M0處理器。 Syntiant基於SRAM的存儲器，將其體系結構歸類為圍繞內存的計算。該晶片背後的想法是讓語音成為系統中的主要接口。亞馬遜的Alexa就是一個很好的在線語音介面的例子。 「語音是下一代的介面。」Syntiant的Busch說，「我們專門構建了這些解決方案，為所有電池供電的設備（小到助聽器到，大到筆記本電腦或智能揚聲器）增加了長期在線的語音接口。」 Syntiant正在開發新設備，並在研究不同的存儲器類型。「我們正在研究一些新興的內存技術，例如MRAM和ReRAM，主要是為了提高存儲密度。」Syntiant首席科學家Jeremy Holleman說，「首先是讀取時的耗電，其次待機時的耗電也是一件大事，因為對於大型模型，最終的內存都會很大。但是，也許你只需要在給定實例上對進行較小一部分的計算。在不使用存儲單元時，降低耗電的能力非常關鍵。」 目前不需要高級流程。「在可預見的將來，先進節點的泄漏對於超低功耗應用來說太高了。」 Syntiant的Busch說，「邊緣設備經常無所事事。與數據中心中的設備相反，一旦開機就需要處理計算，而且你也希望它一直運轉。但邊緣設備經常在等待事情的發生。因此，你需要非常低的功耗，而高級節點並不擅長於此。」 如今，大多數AI晶片都依賴內置的SRAM，速度很快。「但是，無論採用哪種技術，使用SRAM在獨立的數字邊緣處理器中安裝數百萬級的晶片都是非常昂貴的。」Cypress IP業務部設計總監Vineet Kumar Agrawal表示，「從DRAM獲取數據的代價比從內部SRAM獲取數據的代價高500倍。」 同時，許多AI邊緣晶片供應商正在使用或尋找另一種內存類型：NOR。NOR是一種非易失性快閃記憶體，用於獨立和嵌入式應用程式中。NOR通常用於代碼存儲。 NOR技術成熟，但需要在每個節點上都增加額外且昂貴的屏蔽步驟。而且很難將NOR的規模擴展到28nm/22nm以上。不過，有些公司正在使用當今的NOR快閃記憶體，開發一種稱為模擬內存計算的技術。這些設備大多數是從40nm節點開始的。 「看看傳統的數字AI架構功耗的兩個主要來源都是計算：乘法和加法。然後，其次是將數據從內存移至計算單元，然後再移回去。」Linley Group的Gwennap解釋說，「人們的嘗試都是在解決這兩個問題。他們將計算直接放入存儲電路中，因此數據就不必移動太遠。他們沒有使用傳統的數字乘法器，而是使用了模擬技術，讓電流能夠通過可變電阻運行。然後使用歐姆定律來計算電流和電阻的乘積。」 在內存內的模擬技術有望降低功耗。但是，並非所有的NOR都是一樣的。例如，某些NOR技術基於浮柵體系結構。 Microchip使用基於NOR的浮柵方法，開發了一種用於機器學習的內存內模擬計算架構。該技術集成了乘法累加（multiply-accumulate，MAC）處理引擎。 「採用這種方法，用戶無需將模型參數或權重存儲在SRAM或外部DRAM中。」Microchip SST部門嵌入式存儲器產品開發總監Vipin Tiwari表示，「將輸入數據提供給陣列進行MAC計算。這樣做可以消除MAC計算中的存儲瓶頸，因為計算是在存儲權重的地方完成的。」 還有其他NOR的方法。例如，Cypress長期以來一直在提供另一種稱為SONOS的嵌入式NOR快閃記憶體技術。SONOS基於電荷陷阱快閃記憶體，是一種雙電晶體技術，可以通過從氮化物層添加或去除電荷來改變閾值電壓，它適用於28nm以下的各種節點。 SONOS經過優化後可以作為機器學習的嵌入式存儲器。「兩個SONOS多位嵌入式非易失性存儲單元最多可以替代8個SRAM單元，即48個電晶體。這非常有效，而且你還可以將功率效率和吞吐量提高50-100倍。」Cypress的Agrawal說，「SONOS使用高度線性和低功率的隧穿工藝進行編程，該工藝能夠通過高度控制來瞄準Vts，從而產生納安級比特單元電流水平。這與使用熱電子的浮柵相反，在浮柵中你無法控制流入電池的電流量。另外，你的電池電流要高得多。」 ... 使用新的內存技術 由於NOR無法擴展到28nm/22nm以上，因此AI邊緣晶片供應商正在研究幾種下一代存儲器類型，例如相變存儲器（PCM）、STT-MRAM、ReRAM等。 對於AI而言，這些存儲器還運行帶有神經網絡的機器學習應用程式。 這些存儲器很有吸引力，因為它們將SRAM的速度和快閃記憶體的非易失性結合在一起，具有無限的耐久性。但是，由於新存儲器使用複雜的材料和切換方案來存儲數據，因此它們的開發時間更長。 「半導體製造商從基於電荷的存儲器（SRAM、NOR）遷移到電阻性存儲器（ReRAM，PCM）時面臨新的挑戰，」KLA過程控制解決方案亞洲地區總監Masami Aoki說，「這些新興的存儲器由新元素組成，需要精確控制材料性能和新的缺陷控制策略，才能確保性能均勻性和可靠性，特別是對於大規模集成而言。」 長期以來，英特爾一直在發售3D XPoint，這是一種PCM。美光公司也出售PCM。非易失性存儲器PCM通過更改材料的狀態來存儲數據，比具有更好耐久性的快閃記憶體快。 PCM是一項具有挑戰性的技術，儘管供應商已解決了這些問題。「使用3D XPoint相變存儲器，硫族物對環境條件和過程化學反應異常敏感。」Lam Research執行副總裁兼首席技術官Rick Gottscho表示，「處理所有這些問題的技術策略多種多樣。」 PCM也是AI的目標。2018年，IBM發表了一篇關於使用PCM處理8位精度內存乘法技術的論文。儘管還沒有人批量銷售產品，但是IBM和其他公司仍在為AI邊緣應用程式開發PCM。 STT-MRAM也在發售中，它具有SRAM的速度和快閃記憶體的非易失性以及無限的耐用性。它利用電子自旋的磁性在晶片中提供非易失性。 STT-MRAM是嵌入式應用的理想選擇，旨在取代22nm及更高波長的NOR。「看看新的內存，MRAM是低密度（小於1Gb）的最佳選擇。MRAM是最好的嵌入式內存。它比NOR更好，儘管你可以在28nm或更大的晶片上採用NOR。NOR添加了12個以上的蒙版，因此從成本、密度和性能的角度來看，MRAM是嵌入式的首選。」MKW Ventures Consulting負責人Mark Webb說。 但是，一些專家認為，MRAM僅支持兩個級別，因此不適合內存計算。有些人則有不同的看法。Imec傑出的技術人員Diederik Verkest說：「一個MRAM設備確實只能存儲一個位。但是，在內存計算中，重要的是要了解存儲設備和計算單元之間的差異。計算單元執行存儲的權重和輸入激活的乘法。在最佳情況下，計算單元內部的存儲設備可以存儲多個重量級別。但是，可以使用多個存儲設備製作存儲權重的計算單元。如果使用3級權重（則權重可以為-1、0、1），則可以使用兩個存儲設備，並且計算單元將由兩個存儲設備以及圍繞該存儲單元的一些模擬電路組成，用以計算乘積重量值和激活。因此，MRAM設備可以在計算單元內部使用，存儲多級權重並構建內存計算解決方案。」 ReRAM是另一種選擇。與快閃記憶體相比，該技術具有更低的讀取延遲和更快的寫入性能。ReRAM將電壓施加到材料堆棧上，從而導致電阻變化，並將數據記錄在內存中。 在最近的IEDM會議上，Leti發表了一篇論文，介紹了有關有關使用模擬和ReRAM技術開發集成脈衝神經網絡（Spiking Neural Network，SNN）的晶片技術。130nm測試晶片的每個峰值功耗為3.6pJ，一臺使用28nm FD-SOI的研發設備。 SNN與傳統的神經網絡不同。Linley Group的Gwennap表示：「它不會有任何耗電，除非輸入發生變化。因此，從理論上講，如果你的監控攝像頭正對著你的前院，那麼它就是理想的選擇。除非有人走過去，否則一切都不會改變。」 Leti的SNN設備是邊緣的理想選擇。Leti的研究工程師Alexandre Valentian說：「到底邊緣是什麼意思，還有待觀察，但是我可以說ReRAM和SNN是特別針對端點設備而定製的。ReRAM和脈衝編碼非常適合，因為這種編碼策略簡化了內存計算。不需要在輸入端使用DAC（如矩陣矢量乘法），它可以簡化輸出端的ADC（位數更少），或者如果神經元是模擬的，則最終將其完全刪除。」 然而，ReRAM很難開發。只有少數幾個零件可用。「在我們看來，理論上 ReRAM適合於1T1R設計（嵌入式），以及將來使用合適的交叉點選擇器的1TnR。難點在於，過去兩年中實際產品的開發非常緩慢。我們認為，這是由於存儲元素本身的保留問題和干擾（相對於循環）。這些問題需要解決，我們需要具有64Mbit嵌入式和1Gbit交叉點的產品。」 MKW的Webb說。 總而言之，在下一代存儲器中，哪一類更適合於AI邊緣應用尚無共識。業界繼續探索當前和未來的選擇。 例如，Imec最近在評估了幾種選擇後，使用名為AiMC的模擬內存計算架構啟用10000TOPS/W矩陣矢量乘法器。 Imec評估了三個選擇：SOT-MRAM、IGZO DRAM和投影PCM。自旋軌道扭矩MRAM（Spin-orbit torque MRAM，SOT-MRAM）是下一代的MRAM。而氧化銦鎵鋅（indium gallium zinc oxide，縮寫：IGZO）是一種新型的晶體結構。 Imec的Verkest表示，「存儲DNN的權重的設備有很多種。這些設備使用不同的機制來存儲權重值（磁性、電阻、電容），並採用AiMC陣列的不同實現。」 ... 總結 目前尚不清楚哪種當前或下一代內存技術是贏家。也許所有技術都擁有一席之地。SRAM、NOR和其他常規存儲器也有用武之地。 但數十家AI晶片供應商的空間不大。目前已有重大動盪的跡象，大型公司開始收購創業公司。與所有新的晶片部門一樣，有些公司將取得成功，有些將被收購，而有些將失敗。 原文連結：https://semiengineering.com/memory-issues-for-ai-edge-chips/ 本文為CSDN翻譯文章，轉載請註明出處。 ... ☞智能穿戴市場群雄逐鹿，OPPO入局能沒有殺手鐧？ ☞安卓應用開發頂級框架大盤點，總有一款適合你 ☞微軟為一人收購一公司？破解索尼程序、寫黑客小說，看他彪悍的程序人生！ ☞程式設計師為什麼應該旗幟鮮明地反對「最佳實踐」？ ☞半小時訓練億級規模知識圖譜，亞馬遜AI開源知識圖譜嵌入表示框架DGL-KE ☞「出道」 5 年採用率達 78%，Kubernetes 的成功秘訣是什麼？ ☞警惕！新騙術出現：這些虛假二維碼生成器已成功盜取 4.6 萬美元！

↓↓↓限量特惠的優惠按鈕↓↓↓

↓↓↓更多嬰幼兒產品一起來看吧↓↓↓

WWW456TTVVV45TYGQ

文章來源取自於：

每日頭條 https://kknews.cc/news/v5xql92.html

MOMO購物網 https://www.momoshop.com.tw/goods/GoodsDetail.jsp?i_code=5663664&memid=6000007380&cid=apuad&oid=1&osm=league

如有侵權，請來信告知，我們會立刻下架。

DMCA：dmca(at)kubonews.com

聯絡我們：contact(at)kubonews.com

【刷中信信用卡享優惠】【上市發開箱文預熱】【ptt表特版推薦】
【別再催了，開箱文奉上】 【很多部落客開箱都說好用】 【Wonderland】草莓小豬棉質居家衣褲組【momo商城特惠商品】 【還在考慮入手嗎，沒關係，開箱文在這】 【DermEden得美登】亮眼撫紋組(安全、有效、高濃度)【本月熱門推薦】 【這個品牌產品CP值都很高】 【pierre cardin 皮爾卡登】任選 速乾舒適緹花紋背心(挖背款-深貴紫)【這款到底值不值得購買】 【直播主也推薦的好物】 【XIVA】monster提拉緊緻海泥面膜80g_官方唯一授權(重塑美顏 添加金箔)【這款好用嗎？試給你知道】 【這一款ptt口碑還不錯】 【Dr.Brandt 柏瑞特醫師】凍齡胜月太眼霜 15g(凍齡系列)(1)