文明驾驶，安全出行，让交通规则成为我们的行为准则。现在还有好多人不知道UCLA用空间非相干衍射光网络进行复数值线性变换 可应用于自动驾驶汽车自然场景处理，接下来我们小编就来分享一下。
先进神经网络中的大部分计算包括矩阵向量乘法和卷积计算等线性运算，而且线性运算在密码学中也扮演着重要角色。虽然GPU（图形处理器）和TPU（热接收器装置）等专用处理器可用于执行高度并行的线性运算，但此类设备功耗高，而且电子器件的低带宽还限制了运算速度。但是，光学器件因具有并行性，大带宽以及快速计算速度，更适合用于此类运算。
由一组空间工程薄表面构建的衍射神经网络（D2NN）也称为衍射网络，构成了最近兴起的光学计算架构，能以光穿过超薄体积传播的速度被动地执行计算任务。
此类执行特定任务的全光学计算机通过学习其组成的衍射表面的空间特征，以数字化方式被设计。在此类一次性设计流程之后，优化的表面被制成和组装以形成衍射神经网络的物理硬件。
UCLA用空间非相干衍射光网络进行复数值线性变换 可应用于自动驾驶汽车自然场景处理的介绍就聊到这里吧，感谢你花时间阅读，更多关于UCLA用空间非相干衍射光网络进行复数值线性变换 可应用于自动驾驶汽车自然场景处理的信息别忘了在本站进行查找哦。路援帮往后会继续推荐UCLA用空间非相干衍射光网络进行复数值线性变换 可应用于自动驾驶汽车自然场景处理相关内容。