Velkommen til I-Components.com

Dansk
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-baserede neurale netværksaccelerator overgår GPU'er

Det blev demonstreret som en GoogLeNet Inception-v1 CNN, der bruger 8-biters heltal opløsning. Det opnåede 16,8 terra operationer pr. Sekund (TOPS) og kan resultere i over 5.300 billeder pr. Sekund på a Xilinx Virtex UltraScale + XCVU9P-3 fpga. Den modulære, skalerbare tilgang gør den velegnet til objektdetektering og videoredigering på kanten og i skyen, forklaret Fawcett, samt for indledning i datacentre og intelligente kameraer.

DPU'et kan konfigureres til at tilvejebringe optimal beregningsydelse for neurale netværkstopologier i maskinlæringsapplikationer, ved hjælp af den parallelle DSP-arkitektur, distribueret hukommelse og rekonfigurerbar logik og tilslutningsmuligheder til forskellige algoritmer.

DPU'en opnår over 50% højere ydeevne end nogen konkurrerende CNN'er og udfører GPU'er for et givet strøm- eller omkostningsbudget, hævder virksomheden. "Fpga er en verdenskampende platform og arkitektur, som er meget fleksibel til fremtidssikkerhed og kan overgå GPU'er i AI, med lavere ventetid", tilføjede Fawcett.

Virksomheden har også meddelt, at det sponsorerer en DPhil (PhD0 ved Oxford University for at studere teknikker til gennemførelse af deep learning acceleration on fpgas. Arbejdet vil være i samarbejde med Omniteks egen forskning i AI computermotorer og algoritmer.