时间：2023-11-07 07:44:36 | 来源：米乐m6平台网址 作者：M6米乐官网
SoC 规划与应用技能领导厂商Socionext Inc.(以下“公司”)宣告成功发开一款集成有量化深度神经网络(DNN)技能的原型芯片,可为小型、低功耗边际核算设备供给先进的AI处理。
受日本新能源与工业技能归纳开发组织(NEDO)托付,Socionext参加了以《先进的低功耗AI-Edge LSI技能开发》为课题的项目研讨,成功完结了结合量化DNN技能的芯片测验,并确认了其运转和功用。该测验芯片搭载有“量化DNN引擎”,能以高速、低功耗履行深度学习推理处理。
现在,根据通用GPU的边际核算处理器不足以满意日渐增加的人工智能处理需求。以搭载有图像识别和剖析功用的边际核算设备为例,其体系功耗和发热量与通用GPU比较有明显增加,不得不经过进步本钱扩容设备等方法满意AI处理需求。
为进步AI处理功用并削减体系功耗,Socionext开发了一款选用“量化DNN技能”的专有体系架构,它削减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) 低比特率技能、传统8-bit技能及公司首创的参数紧缩技能结合,以较少的核算资源履行很多核算处理,并削减数据量。
除此以外,Socionext还开发了一种新颖的片上存储技能,可供给高效的数据传输,由此削减深度学习一般所需的大容量片上或外部存储器。
经过结合上述新技能,Socionext将AI芯片及“DNN引擎”原型化,并确认了其功用和功用。 原型化芯片经过“YOLO v3”以不到5W的低功耗及30fps的速度完结了方针检测,其功率是通用GPU的10倍。 此外,该芯片还装备了高功用、低功耗的Arm Cortex-A系列CPU,无需外部处理器即可以单芯片履行整个AI处理。
除硬件开发外,Socionext还构建了深度学习软件开发环境,经过结合TensorFlow作为根本结构,答应开发人员用原始低bit位进行量化感知练习(Quantization Aware Training)和练习后量化(Post Training Quantization)。 开发新芯片时,用户都能够挑选最佳量化技能并将其应用于各种神经网络中履行高精度处理,例如在小型低功耗边际设备上增设最先进的核算机视觉功用,应用于高档驾驶员辅佐体系(ADAS)、监控摄像头和工厂自动化等场景。
Socionext现在正在经过对该原型芯片做评价进一步调整电路优化其功用。公司将持续与合作伙伴一同共同开发并交给AI-Edge LSI终究产品,完结NEDO的托付项目。
