Dobrodošli u I-Components.com

Hrvatska
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-based neural network accelerator nadmašuje GPU-ove

Pokazano je kao GoogLeNet Inception-v1 CNN, koristeći osam bitova razlučivosti cijelog broja. Postigao je 16.8 operacija po sekundi (TOPS) i može zaključiti preko 5.300 slika u sekundi na a Xilinx Virtex UltraScale + XCVU9P-3 fpga. Modularni, skalabilni pristup čini ga prikladnim za otkrivanje objekata i aplikacije za obradu videozapisa na rubu i oblaku, objasnio je Fawcett, kao i za zaključivanje u podatkovnim centrima i inteligentnim kamerama.

DPU se može konfigurirati tako da omogući optimalne performanse računanja za topologije neuronske mreže u aplikacijama strojnog učenja, koristeći paralelnu DSP arhitekturu, distribuiranu memoriju i mogućnost rekonfigurabilnosti logike i povezanosti za različite algoritme.

DPU postiže više od 50% veće performanse od bilo kojeg konkurentskog CNN-a i izvlači GPU-ove za određeni iznos ili trošak proračuna, tvrdi tvrtka. "FPGA je platforma i arhitektura koja premošćuje svijet, što je vrlo fleksibilno za nadzor budućnosti i može nadmašiti GPU-ove u AI, s nižom latencijom", dodao je Fawcett.

Tvrtka je također najavila da sponzorira DPhil (PhD0 na Sveučilištu Oxford kako bi proučio tehnike za uvođenje dubokog učenja ubrzanja na fpgas. Rad će biti u suradnji s Omnitekovim istraživanjem AI računalnih motora i algoritama.