實(shí)現(xiàn)了6核處理單元,看這款FPGA神經(jīng)形態(tài)電路板！

BrainChip Holdings剛剛發(fā)布了一款PCIe服務(wù)器加速卡BrainChip Accelerator，該卡可以使用脈沖神經(jīng)網(wǎng)絡(luò)而不是卷積神經(jīng)網(wǎng)絡(luò)（CNN）同時(shí)處理多種視頻格式的16路視頻。 BrainChip加速卡采用 Xilinx Kintex UltraScale FPGA實(shí)現(xiàn)了6核處理單元的BrainChip的Spiking神經(jīng)網(wǎng)絡(luò)（SNN）處理器。

這是BrainChip加速卡的照片：

BrainChip Accelerator card with six SNNs instantiated in a Kintex UltraScale FPGA

每個(gè)BrainChip內(nèi)核都執(zhí)行快速的用戶定義圖像縮放，脈沖生成和SNN比較來識(shí)別目標(biāo)。 SNN可以使用低至20x20像素的低分辨率圖像進(jìn)行訓(xùn)練。 根據(jù)BrainChip的說法，在BrainChip加速器內(nèi)核中使用的SNN在低亮度，低分辨率和嘈雜的環(huán)境中擅長識(shí)別物體。

BrainChip加速器卡可以同時(shí)處理16路視頻通道，每秒有效吞吐量超過600幀，而整個(gè)卡僅消耗15W。 根據(jù)BrainChip的數(shù)據(jù)，與基于CNN的深度學(xué)習(xí)GPUNetNet和AlexNet等神經(jīng)網(wǎng)絡(luò)相比，這個(gè)速度提高了7倍/秒/瓦。 這是BrainChip公司的一張圖表，說明了這一說法：

SNN模仿人類大腦功能（突觸連接，神經(jīng)元閾值）比CNN更接近，并依靠基于尖峰時(shí)間和強(qiáng)度的模型。 這是BrainChip比較CNN模型和脈沖神經(jīng)網(wǎng)絡(luò)模型的圖形：