1. [Wiki](https://feex.it/wiki/)
2. [硬體](https://feex.it/wiki/hardware/)
3. [系統與架構](https://feex.it/wiki/hardware/system/)
4. Gaussian Neural Accelerator (GNA)

# Gaussian Neural Accelerator (GNA)

架構參考資料: Feex

亦稱為 Gaussian Neural Accelerator

Intel GNA（Gaussian and Neural Accelerator）是一種低功耗神經網路協同處理器，適用於符合條件的連續推論工作負載。它與 CPU 向量指令以及較新的通用 NPU 設計不同。

## 您需要瞭解的資訊

Intel GNA（Gaussian and Neural Accelerator）是一種低功耗神經網路協同處理器，適用於符合條件的連續推論工作負載。它與 CPU 向量指令以及較新的通用 NPU 設計不同。

## 運作方式

受支援的軟體堆疊透過其驅動程式與執行階段，將符合條件的神經網路工作提交給加速器。模型結構、支援的運算與數值表示法決定了可以卸載的內容。CPU 仍會參與準備工作、不支援的運算以及應用程式控制。

## 適用場景

當模型與執行階段支援可用的 GNA 世代時，雜訊抑制或語音導向的推論可以成為候選項目。僅安裝使用 AI 的應用程式並不意味著它以 GNA 為目標或避免了 CPU 執行。

## 如何檢查支援與啟用狀態

識別平台的 GNA 裝置與受支援的驅動程式/執行階段，然後查閱官方專案文件中的模型運算子與世代需求。使用執行階段診斷來驗證硬體執行情況，而不是僅憑裝置存在就假設已卸載。

具備硬體只是第一步。驅動程式、執行階段、執行提供者、受支援運算子和數值格式必須與應用程式相符。請檢查實際的後端選擇和後備機制，而非假設有 AI 標籤就意味著每個模型都能獲得加速。

## 該功能未涵蓋的範疇

GNA 欄位並不能證明支援任意大型語言模型、特定的 NPU TOPS 需求或執行階段的每個版本。必須檢查確切世代的功能與軟體支援，且純軟體備用方案可能會改變功耗行為。

## 實務中的相容性與效能

在規定條件下比較完整的工作負載，包括編譯、傳輸和不受支援的運算子。每秒峰值運算次數取決於精度和計數假設。它們不能替代測得的延遲、輸送量、能耗或模型準確度。

## 實用驗證檢查清單

1. 記錄所涉及的確切處理器或平台型號，以及應用程式、OS 和執行階段版本。保留實際錯誤或需求的確切措辭。
2. 檢查該確切型號的原廠參考資料，然後在程式執行的環境中檢查有效功能和啟用狀態。
3. 比對所選二進位檔或後端的所有需求。僅憑名稱相似的功能、別名或廣泛的技術標籤是不夠的。
4. 確認應用程式已選擇預期的實作方式。當需求未獲滿足時，請使用其記載的診斷工具和受支援的後備機制。
5. 一次進行一項受支援的變更，並重複執行相同的負載。隨時保留原始設定和復原途徑。

## 如果列出該功能但軟體無法使用

從確切發生失敗的元件著手。硬體資料庫描述的是記錄的硬體能力；作業系統或 Hypervisor 可能呈現不同的有效環境。非法指令錯誤同樣需要調查實際出錯的指令和二進位建置版本，因為損毀或無關的不受支援指令也可能產生類似的症狀。

安裝適用於該確切平台的受支援應用程式、驅動程式或執行階段版本，並在需要時使用廠商記載的基準建置版本或後備建置版本。軟體更新無法無中生有地創造處理器所缺乏的指令。韌體與安全性原則的變更應遵循系統製造商的程序和復原計劃，而非泛用的最佳化偏方。

## 相關功能與實用區別

[神經網路處理單元 (NPU)](https://feex.it/wiki/l/zh-hant/hardware/system/npu/) · [Deep Learning Boost](https://feex.it/wiki/l/zh-hant/hardware/system/deep-learning-boost/) · [AMX，進階矩陣擴充](https://feex.it/wiki/l/zh-hant/hardware/system/amx/)

## 本說明的來源與範圍

[Intel Gaussian and Neural Accelerator library](https://github.com/intel/gna)

這些參考資料確立了架構行為和軟體需求。它們不會獨立驗證連結硬體型號頁面上的每個功能數值。有關型號支援，請使用該頁面的製造商實證並檢查有效系統組態。本文不提供效能基準測試、認證或獨立審查日期。

## 相關項目

這些實體與本文連結。每個連結上都會顯示類型。

[神經網路處理單元 (NPU): 架構參考資料](https://feex.it/wiki/l/zh-hant/hardware/system/npu/)[Deep Learning Boost: 架構參考資料](https://feex.it/wiki/l/zh-hant/hardware/system/deep-learning-boost/)[AMX，進階矩陣擴充: 架構參考資料](https://feex.it/wiki/l/zh-hant/hardware/system/amx/)

## 來源與驗證

編輯權限：Feex。未記錄獨立審查日期。 [我們的研究方式](https://feex.it/wiki/research/).

- [Intel Gaussian and Neural Accelerator library ](https://github.com/intel/gna)· 官方 GNA 執行階段/程式庫、硬體世代支援與低功耗推論使用案例。在選擇新部署之前，請先查閱其目前的支援狀態。

## 這篇文章實用嗎？

只要回答「是」或「否」即可。您也可以依意願選擇原因，或附上簡短說明。

速覽

本頁面的簡短身分識別。規格、來源和完整說明保留在文章中。

---

Source: [Canonical Feex Wiki page](https://feex.it/wiki/l/zh-hant/hardware/system/gaussian-neural-accelerator/)

[Developer guide](https://feex.it/wiki/developers/) | [API policy](https://feex.it/developers/api-policy/) | [Agent guidance](https://feex.it/wiki/llms.txt)
