SoC 设计与应用威廉希尔官方网站 领导厂商Socionext Inc.(以下“公司”)宣布成功发开一款集成有量化深度神经网络(DNN)威廉希尔官方网站 的原型芯片,可为小型、低功耗边缘计算设备提供先进的AI处理。
受日本新能源与产业威廉希尔官方网站 综合开发机构(NEDO)委托,Socionext参与了以《先进的低功耗AI-Edge LSI威廉希尔官方网站 开发》为课题的项目研究,成功完成了结合量化DNN威廉希尔官方网站 的芯片测试,并确认了其运行和性能。该测试芯片搭载有“量化DNN引擎”,能以高速、低功耗执行深度学习推理处理。
目前,基于通用GPU的边缘计算处理器无法满足日益增长的人工智能处理需求。以搭载有图像识别和分析功能的边缘计算设备为例,其系统功耗和发热量与通用GPU相比有明显增加,不得不通过提升成本扩容设备等方式满足AI处理需求。
量化DNN引擎
为提高AI处理性能并减少系统功耗,Socionext开发了一款采用“量化DNN威廉希尔官方网站 ”的专有体系架构,它减少了深度学习所需的参数和激活位。该体系架构将1-bit (binary)、2-bit (ternary) 低比特率威廉希尔官方网站 、传统8-bit威廉希尔官方网站 及公司独创的参数压缩威廉希尔官方网站 结合,以较少的计算资源执行大量计算处理,并减少数据量。
除此以外,Socionext还开发了一种新颖的片上存储威廉希尔官方网站 ,可提供高效的数据传输,从而减少深度学习通常所需的大容量片上或外部存储器。
通过结合上述新威廉希尔官方网站 ,Socionext将AI芯片及“DNN引擎”原型化,并确认了其功能和性能。 原型化芯片通过“YOLO v3”以不到5W的低功耗及30fps的速度实现了目标检测,其效率是通用GPU的10倍。 此外,该芯片还配备了高性能、低功耗的Arm Cortex-A系列CPU,无需外部处理器即可以单芯片执行整个AI处理。
深度学习软件开发环境
除硬件开发外,Socionext还构建了深度学习软件开发环境,通过结合TensorFlow作为基本框架,允许开发人员用原始低bit位进行量化感知训练(Quantization Aware Training)和训练后量化(Post Training Quantization)。 开发新芯片时,用户可以选择最佳量化威廉希尔官方网站 并将其应用于各种神经网络中执行高精度处理,例如在小型低功耗边缘设备上增设最先进的计算机视觉功能,应用于高级驾驶员辅助系统(ADAS)、监控摄像头和工厂自动化等场景。
Socionext目前正在通过对该原型芯片进行评估进一步调整电路优化其性能。公司将继续与合作伙伴一起共同开发并交付AI-Edge LSI最终产品,完成NEDO的委托项目。
-
AI
+关注
关注
87文章
30763浏览量
268909 -
dnn
+关注
关注
0文章
60浏览量
9051
发布评论请先 登录
相关推荐
评论