FPGA-baséiert neural Netzwierker accelerer besser wéi GPUs

Et gouf als GoogLeNet Inception-v1 CNN bewisen, andeems en aacht-Bit ganzt Opléisung benotzt. Et huet 16,8 Terra Operatiounen pro Sekonn (TOPS) erreecht a kann iwwer 5.300 Biller pro Sekonn op enger Xilinx Virtex UltraScale + XCVU9P-3 fpga inferenzéieren. Déi modulär, skalierbar Approche, mécht et gëeegent fir Objektdetektioun a Videoveraarbechtungsapplikatiounen um Rand an an der Wollek, erkläert de Fawcett, souwéi fir Inferenz an Datenzentren an intelligent Kameraen.

D'DPU kann konfiguréiert sinn fir eng optimal Berechnungsleeschtung fir neurale Netzwierk Topologien a Maschinnléiere Uwendungen ze liwweren, andeems d'parallel DSP Architektur benotzt, verdeelt Erënnerung a Rekonfigurabilitéit vu Logik a Konnektivitéit fir verschidden Algorithmen.

D'DPU erzielt iwwer 50% méi héich Leeschtung wéi all konkurréierend CNNs a fiert GPUs aus fir e gegebene Kraaft- oder Käschtebudget, behaapt d'Firma. "D'Fpga ass eng weltwäit klappend Plattform an Architektur, déi ganz flexibel ass fir Zukunftssécherung a kann GPUs an AI iwwerpréifen, mat méi niddereger latency," huet Fawcett hinzugefügt.

D'Firma huet och ugekënnegt datt se en DPhil (PhD0 op ​​der Oxford University studéieren) fir Techniken ze studéiere fir déif Léierbeschleunegung op fpgas ze implementéieren D'Aarbecht gëtt an Zesummenaarbecht mat Omnitek seng eege Fuerschung an AI Computermotoren an Algorithmen.