视觉处理单元

视觉处理单元（VPU）是（截至2018年）一类新兴的微处理器；它是一种特殊类型的人工智能加速器，旨在加速机器视觉任务。

视觉处理单元与视频处理单元（专门用于视频编码和解码）不同，它们适合运行机器视觉算法，如CNN（卷积神经网络）、SIFT（尺度不变特征变换）和类似算法。它们可能包括从摄像头获取数据的直接接口（绕过任何片外缓冲器），并且更强调在许多带有刮板存储器的并行执行单元之间的片上数据流，如多核DSP。但是，像视频处理单元一样，它们可能专注于图像处理的低精度定点算术。与GPU的对比它们与GPU不同，GPU包含用于光栅化和纹理映射（用于3D图形）的专门硬件，其内存架构被优化为操作片外内存中的位图图像（读取纹理和修改帧缓冲区，采用随机访问模式）。VPU针对每瓦特的性能进行了优化，而GPU主要关注xxx性能。目标市场是机器人、物联网、用于虚拟现实和增强现实的新型数码相机、智能相机，以及将机器视觉加速整合到智能手机和其他移动设备。

MovidiusMyriadX，它是英特尔公司MyriadVPU系列中的第三代视觉处理单元。MovidiusMyriad2，用于谷歌ProjectTango、谷歌Clips和大疆无人机PixelVisualCore(PVC)，这是一个用于移动设备的完全可编程的图像、视觉和人工智能处理器微软HoloLens，包括一个被称为全息处理单元的加速器（与其CPU和GPU互补），旨在解释相机输入，以加速增强现实应用的环境跟踪和视觉。Eyeriss，麻省理工学院的设计，旨在运行卷积神经网络。

NeuFlow，YannLeCun的设计（用FPGA实现），用于加速卷积，使用数据流架构。MobileyeEyeQ，由Mobileye可编程视觉加速器（PVA），Nvidia设计的7路VLIW视觉处理器。类似处理器一些处理器没有被描述为VPU，但同样适用于机器视觉任务。这些可能形成一个更广泛的人工智能加速器类别（VPU也可能属于这个类别），然而截至2016年，在名称上还没有达成共识。IBMTrueNorth，一种神经形态处理器，旨在完成类似的传感器数据模式识别和智能任务，包括视频/音频。高通Zeroth神经处理单元，是新兴的传感器/AI导向芯片类别中的另一个条目。