Willkommen bei I-Components.com

Deutsch
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-basierter neuraler Netzwerk-Beschleuniger übertrifft GPUs

Es wurde als GoogLeNet Inception-v1 CNN mit einer 8-Bit-Ganzzahlauflösung demonstriert. Es erreichte 16,8 Terra Operationen pro Sekunde (TOPS) und kann über 5.300 Bilder pro Sekunde auf a ziehen Xilinx Virtex UltraScale + XCVU9P-3 fpga. Der modulare, skalierbare Ansatz ist es geeignet für die Objekterkennung und Videoverarbeitungsanwendungen am Rand und in der Wolke bildet, erläutert Fawcett, sowie für die Inferenz in Rechenzentren und intelligenten Kameras.

Die DPU kann so konfiguriert werden, dass sie eine optimale Rechenleistung für neuronale Netzwerktopologien in maschinellen Lernanwendungen bietet, wobei die parallele DSP-Architektur, der verteilte Speicher und die Rekonfigurierbarkeit von Logik und Konnektivität für verschiedene Algorithmen verwendet werden.

Die DPU erreicht mehr als 50% mehr Leistung als konkurrierende CNNs und übertrifft GPUs für ein gegebenes Leistungs- oder Kostenbudget, behauptet das Unternehmen. "Die fpga ist eine weltweit führende Plattform und Architektur, die sehr flexibel für Zukunftssicherheit ist und GPUs mit geringerer Latenzzeit übertrifft", fügte Fawcett hinzu.

Das Unternehmen hat auch angekündigt, dass es einen DPhil (PhD0 an der Universität Oxford) sponsert, um Techniken zur Implementierung von Tiefenlernbeschleunigung auf fpgas zu untersuchen. Die Arbeit wird in Zusammenarbeit mit Omniteks eigenen Forschungen zu KI-Rechenmaschinen und -algorithmen erfolgen.