0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Imagination正式推出了兩款神經(jīng)網(wǎng)絡(luò)內(nèi)核AX2185和AX2145

倩倩 ? 來源:TechWeb ? 2020-04-17 14:28 ? 次閱讀

近日,Imagination正式推出了兩款神經(jīng)網(wǎng)絡(luò)內(nèi)核AX2185和AX2145,這兩款內(nèi)核是基于神經(jīng)網(wǎng)絡(luò)加速器(NNA)架構(gòu)PowerVR Series2NX設(shè)計(jì)的,設(shè)計(jì)目的是在極小芯片面積上以極低功耗實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)高性能計(jì)算。該架構(gòu)可以使“智能”從云端轉(zhuǎn)移至終端設(shè)備,從而實(shí)現(xiàn)更高的效率和實(shí)時(shí)響應(yīng)。

PowerVR Series2NX架構(gòu)是完全重新設(shè)計(jì)的,旨在為移動(dòng)和嵌入式平臺(tái)中的高效神經(jīng)網(wǎng)絡(luò)推理提供硬件加速。其靈活的位寬可基于每一層去支持權(quán)重和數(shù)據(jù),這意味著PowerVR Series2NX可以保持高推理精度,同時(shí)降低帶寬/功耗要求。它是唯一支持16位到4位位寬的解決方案,可在較低的帶寬和功耗下實(shí)現(xiàn)更高的性能。

Imagination主管PowerVR視覺和人工智能業(yè)務(wù)的副總裁Russell James表示:“人工智能正在改變行業(yè),而神經(jīng)網(wǎng)絡(luò)是其核心所在,令人興奮的全新使用案例正被不斷創(chuàng)造,人們的生活也將得以改變。此類處理一直以來主要發(fā)生在云端,但由于延遲問題、隱私問題以及日益增長的可擴(kuò)展性需求,邊緣人工智能處理已變得非常必要?!?/p>

擁有廣闊的適應(yīng)性

Series2NX AX2185以高端智能手機(jī)、智能監(jiān)控和汽車市場為目標(biāo),在這些市場中神經(jīng)網(wǎng)絡(luò)加速對(duì)諸如圖像分類和駕駛輔助系統(tǒng)等領(lǐng)域可以產(chǎn)生重大影響。AX2185擁有8個(gè)全寬度計(jì)算引擎,每個(gè)時(shí)鐘周期可處理2048個(gè)MAC(每秒4.1兆次運(yùn)算),代表了市場上單位面積(每平方毫米)的最高性能。

AX2145針對(duì)成本敏感型設(shè)備進(jìn)行了優(yōu)化,以中檔智能手機(jī)、數(shù)字電視/機(jī)頂盒、智能相機(jī)和消費(fèi)性安全市場為目標(biāo),這些市場正在越來越多地采用神經(jīng)網(wǎng)絡(luò)加速來處理各種任務(wù),例如圖像管理和基于視覺的應(yīng)用。 PowerVR AX2145精簡型架構(gòu)為超低帶寬系統(tǒng)提供了高性能的神經(jīng)網(wǎng)絡(luò)推理功能,這種高性價(jià)比的解決方案可以支持原始設(shè)備制造商(OEM)和原始設(shè)計(jì)制造商(ODM)在芯片面積預(yù)算有限的情況下開展工作。

值得注意的是,兩款內(nèi)核都完全支持、Android的神經(jīng)網(wǎng)絡(luò)應(yīng)用程序編程接口,開發(fā)人員使用NNAPI可以將神經(jīng)網(wǎng)絡(luò)功能帶入基于Android的移動(dòng)設(shè)備。為配合PowerVR Series2NX內(nèi)核,Imagination提供了一整套工具來簡化人工智能應(yīng)用的開發(fā)和部署以及調(diào)試和分析。機(jī)器學(xué)習(xí)框架也可使用我們的網(wǎng)絡(luò)開發(fā)工具包(NDK)。

其實(shí),基于Series2NX架構(gòu)的處理內(nèi)核未來還有更多的可能性,從O.5-4.1TOPS性能都可以實(shí)現(xiàn),可根據(jù)終端設(shè)備的種類和需求采用。所以這個(gè)系列產(chǎn)品的適應(yīng)性是非常強(qiáng)的,基本涵蓋了手機(jī)IoT、家電等所有終端領(lǐng)域。

AI產(chǎn)品正在逐步發(fā)力

我們都知道這家公司是全球?yàn)閿?shù)不多的嵌入式移動(dòng)GPU制造商(另外兩家是ARM高通),前不久Imagination新任CEO李力游在接受采訪的時(shí)候表示,神經(jīng)元網(wǎng)絡(luò)相關(guān)的技術(shù)和產(chǎn)品將會(huì)是這家公司未來的發(fā)展重點(diǎn)之一。本次推出的兩款Series2NX架構(gòu)內(nèi)核正驗(yàn)證了這一點(diǎn)。

雖然GPU部分依然是這家公司目前的主要業(yè)務(wù),但Russell James表示,他所負(fù)責(zé)的PowerVR視覺和人工智能業(yè)務(wù)無論是在研發(fā)還是渠道建設(shè)等多個(gè)方面,正在逐步增加比例,已經(jīng)成為了未來的重點(diǎn)發(fā)展領(lǐng)域之一。

目前,這兩款新產(chǎn)品已經(jīng)在與多個(gè)知名半導(dǎo)體企業(yè)洽談并開展合作,預(yù)計(jì)年內(nèi)有望見到搭載這些產(chǎn)品的終端設(shè)備登場。

其實(shí)無論是智能手機(jī)還是IoT或者家電領(lǐng)域,與神經(jīng)元網(wǎng)絡(luò)相關(guān)的應(yīng)用越來越多,因此終端也需要更強(qiáng)大的神經(jīng)元網(wǎng)絡(luò)計(jì)算能力,因此很多手機(jī)都開始搭載了獨(dú)立的處理單元,這一市場前景還是非常值得期待的。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是種在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域
    的頭像 發(fā)表于 07-10 15:24 ?1060次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來發(fā)展等多個(gè)方面,詳細(xì)闡述BP
    的頭像 發(fā)表于 07-10 15:20 ?720次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

    RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡(luò),而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò),能夠處理序列數(shù)據(jù),具有記憶功能。以下是關(guān)于循環(huán)
    的頭像 發(fā)表于 07-05 09:52 ?463次閱讀

    遞歸神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)一樣嗎

    遞歸神經(jīng)網(wǎng)絡(luò)(Recursive Neural Network,RvNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)是種不同類型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),它們?cè)?/div>
    的頭像 發(fā)表于 07-05 09:28 ?623次閱讀

    遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)

    遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)實(shí)際上是同一個(gè)概念,只是不同的翻譯方式
    的頭像 發(fā)表于 07-04 14:54 ?596次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是深度學(xué)習(xí)領(lǐng)域中種非常重要的神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 14:24 ?1010次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)的區(qū)別

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)和遞歸神經(jīng)網(wǎng)絡(luò)(Recursive Neural Network,簡稱RvNN)是深度學(xué)習(xí)中種重要的神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 14:19 ?706次閱讀

    深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在探討深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)與基本神經(jīng)網(wǎng)絡(luò)(通常指傳統(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò))的區(qū)別時(shí),我們需要從多個(gè)維度進(jìn)行深入分析。這些維度包括
    的頭像 發(fā)表于 07-04 13:20 ?572次閱讀

    bp神經(jīng)網(wǎng)絡(luò)和反向傳播神經(jīng)網(wǎng)絡(luò)區(qū)別在哪

    神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用,如語音識(shí)別、圖像識(shí)別、自然語言處理等。然而,BP神經(jīng)網(wǎng)絡(luò)也存在一些問題,如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長、對(duì)初始權(quán)重敏感等。為了解決這些問題,研究者們提出了一些改進(jìn)的BP
    的頭像 發(fā)表于 07-04 09:51 ?361次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別在哪

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是種不同類型的人工神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 09:49 ?8606次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在深度學(xué)習(xí)領(lǐng)域,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks, RNN)是種極其重要
    的頭像 發(fā)表于 07-03 16:12 ?2205次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用,如語音識(shí)別、圖像識(shí)別、自然語言處理等。然而,BP神經(jīng)網(wǎng)絡(luò)也存在一些問題,如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長、對(duì)初始權(quán)重敏感等。為了解決這些問題,研究者們提出了一些改進(jìn)的BP
    的頭像 發(fā)表于 07-03 11:00 ?603次閱讀

    bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)是一種常見的前饋神經(jīng)網(wǎng)絡(luò),它使用反向傳播算法來訓(xùn)練網(wǎng)絡(luò)。雖然BP神經(jīng)網(wǎng)絡(luò)在某些方面與深度
    的頭像 發(fā)表于 07-03 10:14 ?592次閱讀

    bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是種不同類型的人工神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-03 10:12 ?883次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)和BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Networks,簡稱BPNN)是
    的頭像 發(fā)表于 07-02 14:24 ?2334次閱讀