Socionext测试低功耗AI芯片
目前 ， 基于通用GPU的边缘计算处理器无法满足日益增长的人工智能处理需求 。以搭载有图像识别和分析功能的边缘计算设备为例 ， 其系统功耗和发热量与通用GPU相比有明显增加 ， 不得不通过提升成本扩容设备等方式满足AI处理需求 。
量化DNN引擎
为提高AI处理性能并减少系统功耗 ， Socionext开发了一款采用“量化DNN技术”的专有体系架构 ， 它减少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) 低比特率技术、传统8-bit技术及公司独创的参数压缩技术结合 ， 以较少的计算资源执行大量计算处理 ， 并减少数据量 。
除此以外 ， Socionext还开发了一种新颖的片上存储技术 ， 可提供高效的数据传输 ， 从而减少深度学习通常所需的大容量片上或外部存储器 。
通过结合上述新技术 ， Socionext将AI芯片及“DNN引擎”原型化 ， 并确认了其功能和性能 。原型化芯片通过“YOLO v3”以不到5W的低功耗及30fps的速度实现了目标检测 ， 其效率是通用GPU的10倍 。此外 ， 该芯片还配备了高性能、低功耗的Arm Cortex-A系列CPU ， 无需外部处理器即可以单芯片执行整个AI处理 。
深度学习软件开发环境
【Socionext测试低功耗AI芯片】 除硬件开发外 ， Socionext还构建了深度学习软件开发环境 ， 通过结合TensorFlow作为基本框架 ， 允许开发人员用原始低bit位进行量化感知训练(Quantization Aware Training)和训练后量化(Post Training Quantization) 。
推荐阅读
- 具有高级感的女人，穿搭越简单随意，看这10款搭配就知道品位高低
- 解读CANDT测试项-采样点测试
- 农村用电分4类电价高低有分别如何选择才算对
- 农村白天电压低有什么办法?怎么解决
- 学历低能创业吗？怎么创业？
- 用电低谷是什么时间
- 物联网和人工智能技术可低制大流行的六种方式
- 小米首款塔扇发售，整个夏天电费低到让你惊叹！
- 外戚的官员职位，为何是高开低走？
- 冬季养花知识大全