Velkommen til I-Components.com

Kongeriket
English polski Nederland Gaeilge 한국의 Slovenská Português ภาษาไทย Slovenija Hrvatska Kongeriket Italia العربية Français עִבְרִית español Dansk Svenska Deutsch Suomi românesc Türk dili Magyarország

FPGA-baserte nevrale nettverk akselerator overgår GPUer

Det ble demonstrert som en GoogLeNet Inception-v1 CNN, med åtte-bits heltalloppløsning. Det oppnådde 16,8 terra operasjoner per sekund (TOPS) og kan avlede over 5.300 bilder per sekund på a Xilinx Virtex UltraScale + XCVU9P-3 fpga. Den modulære, skalerbare tilnærmingen gjør den egnet til objektdeteksjon og videobehandling på kanten og i skyen, forklart Fawcett, samt for inngrep i datasentre og intelligente kameraer.

DPU kan konfigureres for å gi optimal beregningsytelse for neurale nettverkstopologier i maskinlæringsprogrammer, ved hjelp av den parallelle DSP-arkitekturen, distribuert minne og rekonfigurerbarhet av logikk og tilkobling for forskjellige algoritmer.

DPU oppnår over 50% høyere ytelse enn noen konkurrerende CNN og utfører GPUer for et gitt strøm- eller kostnadsbudsjett, hevder selskapet. "Fpga er en verdensklatt plattform og arkitektur, som er svært fleksibel for fremtidssikring og kan overgå GPUer i AI, med lavere ventetid," la Fawcett.

Selskapet har også annonsert at det sponser en DPhil (PhD0 ved Oxford University for å studere teknikker for å implementere dyp læring akselerasjon på fpgas. Arbeidet vil være i samarbeid med Omniteks egen forskning i AI beregningsmotorer og algoritmer.