NCC S1 神經(jīng)網(wǎng)絡(luò)計(jì)算卡
基于AI專用的APiM架構(gòu),無(wú)需外部緩存的模塊化深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)加速器,用于高性能邊緣計(jì)算領(lǐng)域,可作為基于視覺(jué)的深度學(xué)習(xí)運(yùn)算和AI算法加速。外形小巧,極低功耗,擁有著強(qiáng)勁算力,配套完整易用的模型訓(xùn)練工具、網(wǎng)絡(luò)訓(xùn)練模型實(shí)例,搭配專業(yè)硬件平臺(tái),可快速應(yīng)用于人工智能行業(yè)中
2.8Tops強(qiáng)勁算力
NCC S1基于AI嵌入式神經(jīng)網(wǎng)絡(luò)處理器(NPU),擁有28000個(gè)并行神經(jīng)計(jì)算核,支持芯片上并行與原位計(jì)算,峰值運(yùn)算能力高達(dá)5.6Tops,典型算力2.8Tops。其強(qiáng)勁的算力,能進(jìn)行復(fù)雜的高密度計(jì)算,適用于高性能邊緣計(jì)算領(lǐng)域
AI處理架構(gòu)APiM
采用AI專用的MPE矩陣引擎和APiM(AI processing in Memory,存儲(chǔ)中的AI處理)架構(gòu),以革命性的方式處理AI,一次升級(jí)網(wǎng)絡(luò)預(yù)加載,無(wú)需指令、總線,無(wú)需外部DDR緩存,大量數(shù)據(jù)可直接輸入/輸出硅片,從而大大提高了AI的處理速度,降低處理能耗
9.3Tops/W超高效能
NCC S1神經(jīng)網(wǎng)絡(luò)計(jì)算卡的核心采用28nm工藝制程,在2.8 Tops算力時(shí)功率僅300mW,效率能耗比高達(dá)為9.3 Tops/W,在擁有超強(qiáng)的算力同時(shí)保持了極低的能耗,讓其應(yīng)用在終端設(shè)備的邊緣計(jì)算領(lǐng)域中極具優(yōu)勢(shì)
高性能硬件平臺(tái)
NCC S1神經(jīng)網(wǎng)絡(luò)計(jì)算卡可搭配ROC-RK3399-PC開(kāi)源主板,配置高性能RK3399六核處理器,擁有豐富的硬件接口,可快速集成邊緣計(jì)算的硬件平臺(tái),搭建產(chǎn)品原型,加速AI產(chǎn)品的項(xiàng)目進(jìn)程
MIPI
eDP
GPIO
配套模型訓(xùn)練工具
提供基于PyTorch完整易用的模型訓(xùn)練工具PLAI(People Learn AI), 可在Windows 10與Ubuntu 16.04系統(tǒng)上開(kāi)發(fā),更簡(jiǎn)單快捷地添加自定義網(wǎng)絡(luò)模型,大大降低了使用AI的技術(shù)門檻,讓更多人能更容易打開(kāi)AI的大門
提供網(wǎng)絡(luò)訓(xùn)練模型
支持GNet1,GNet18和GNetfc三種網(wǎng)絡(luò)訓(xùn)練模型實(shí)例,后續(xù)會(huì)持續(xù)增加網(wǎng)絡(luò)實(shí)例,輕松在設(shè)備上測(cè)試大量深度學(xué)習(xí)應(yīng)用
產(chǎn)品參數(shù)
參數(shù) | |||
NPU |
Lightspeeur SPR2801S (28nm 制程, 獨(dú)特 MPE 與 APiM 架構(gòu)) |
||
典型算力 |
2.8 TOPs@300mW |
||
峰值算力 |
5.6 TOPs@100MHz |
||
適用平臺(tái) |
ROC-RK3399-PC平臺(tái) |
||
支持框架 |
支持 PyTorch, Caffe 框架, 后續(xù)支持 TensorFlow |
||
開(kāi)發(fā)工具 |
PLAI 模型訓(xùn)練工具(現(xiàn)支持基于 VGG的 GNet1, GNet18 and GNetfc 網(wǎng)絡(luò)模型) 支持 Ubuntu 和 Windows 操作系統(tǒng) |
||
尺寸 |
27.5x12.5x3.5mm |
-
WINDOWS
+關(guān)注
關(guān)注
3文章
3503瀏覽量
87889 -
嵌入式主板
+關(guān)注
關(guān)注
7文章
6081瀏覽量
34942 -
Firefly
+關(guān)注
關(guān)注
2文章
538瀏覽量
6930
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論