About / Advertise
Halvledattillverkaren Socionext lanserar FPGA-utvecklingsverktyg för en egen neuronnätsaccelerator (NNA) som företaget så småningom kommer att använda i systemkretsar för inbyggda system. Företaget ser kärnan som ett utmärkt komplement till sina bildanalysprocessorer.
Under tredje kvartalet i år kommer du att börja kunna utveckla kod för en neuronnätsaccelerator (NNA) från Socionext, och provköra den på en FPGA. Så småningom kommer den att användas i företagets bildanalyskretsar för ändnoder och göra inferensberäkningar i djupa neuronnät.
Utvecklingsverktygen stöder initialt standarden Tensorflow. Senare kommer stöd för andra ramverk.
Socionexts grafikkrets SC1810 har redan idag en accelerator för datorseende (en vision processing unit, VPU) som du talar med via Khronosgruppens standard OpenVX. NNA-kärnan kommer att användas för att utöka VPU:ns repertoire av funktioner ytterligare.
Socionext reducerar antalet bitar i parametrar och aktiveringsvärden för att göra inferensberäkningarna mindre resurskrävande vad gäller minnesstorlek och bandbredd. Dessutom använder företaget ett nytt utrymmessnålt sätt att konstruera on-chipminne.
Kompakt ska NNA:n bli och låg strömförbrukning ska den ha. Och hundra gånger snabbare än en konventionell VPU ska den vara, för bildigenkänning.
Socionext planerar att släppa kretsar som låter en fordonskamera känna igen exempelvis fotgängare och cyklar för förarassistansfunktioner och självkörning.
Dessutom ska NNA:n kunna användas för att öka upplösningen på lågupplösta bilder som visas i 4K- och 8K-skärmar. Resultatet blir mycket mer realistiskt och skarpt med hjälp av djup maskininlärning, än om man bara interpolerar fram fler punkter.
