Cadence发布业界首款面向汽车、监控、无人机和移动市场的神经网络DSP IP

2017-05-04 20:32:00 来源:EEFOCUS
标签:

楷登电子(美国Cadence公司,NASDAQ: CDNS)今日正式公布业界首款独立完整的神经网络DSP —Cadence® Tensilica® Vision C5 DSP,面向对神经网络计算能力有极高要求的视觉设备、雷达/光学雷达和融合传感器等应用量身优化。针对车载、监控安防、无人机和移动/可穿戴设备应用,Vision C5 DSP 1TMAC/s的计算能力完全能够胜任所有神经网络的计算任务。

随着神经网络应用的日益深入和复杂,对计算的要求也与日俱增;同时,神经网络的自身架构在不断更新换代,新网络、新应用和新市场也层出不穷。上述趋势之下,业界亟需一款针对嵌入式系统量身定制的高性能、通用型神经网络解决方案,不仅应该具备极低的功耗,还应拥有高度的可编程能力,以适应未来变化,降低风险。

神经网络DSP vs. 神经网络加速器
基于摄像头的视觉系统在汽车、无人机和安防领域最为常见,这种架构需要两种最基础的视觉优化计算模式。首先,利用传统视觉算法对摄像头捕捉到的照片或图像进行增强;其次,使用基于神经网络的认知算法对物体进行检测和识别。现有的神经网络加速器解决方案皆依赖与图像DSP连接的硬件加速器;神经网络代码被分为两部分,一部分网络层运行在DSP上,卷积层则运行在硬件加速器上。这种架构不但效率低下,且耗能较高。

Vision C5 DSP是专门针对神经网络进行了特定优化的DSP,可以实现全神经网络层的计算加速(卷积层、全连接层、池化层和归一化层),而不仅仅是卷积层的加速。因此,主视觉/图像DSP能力得以释放,独立运行图像增强应用,Vision C5 DSP则负责执行神经网络任务。通过移除神经网络DSP和主视觉/图像DSP之间的冗余数据传输,Vision C5 DSP的功耗远低于现有的神经网络加速器。同时,Vision C5 DSP还提供针对神经网络的单核编程模型。

“我们的很多客户都在纠结如何选择理想的神经网络平台,毕竟一款产品的开发可能耗时数年,”Cadence公司Tensilica事业部市场高级总监Steve Roddy表示。“随时在线(always-on)嵌入式系统的神经网络处理器不仅需要低功耗和较快的图像处理速度,灵活性和永不过时(future-proof)的前瞻性也必不可少。目前的平台都不够理想,客户亟需一个全新的解决方案。Vision C5 DSP通用型神经网络DSP应运而生,它集成方便、使用灵活,功耗能效较CNN加速器、GPU和CPU也更为出色。”

“现实世界中的深度学习应用数量庞大,种类繁多,对计算的要求非常苛刻,”嵌入视觉联盟(Embedded Vision Alliance)创始人Jeff Bier表示。“Vision C5 DSP作为神经网络专用编程处理器,可以帮助我们在低成本、低功耗设备上应用深度学习技术。”

Vision C5 DSP的参数与性能
依托独立引擎,Vision C5 DSP具备领先的神经网络性能:

·不到1mm2的芯片面积可以实现1TMAC/秒的计算能力(吞吐量较Vision P6 DSP提高4倍),为深度学习内核提供极高的计算吞吐量
·1024 8-bit MAC或512 16-bit MAC 确保8-bit 和16-bit精度的出色性能
·128路8-bit SIMD或64路16-bit SIMD的VLIW SIMD架构
·专为多核设计打造,以极少的资源代价获得NxTMAC的处理能力
·内置iDMA和AXI4总线接口
·使用与Vision P5和P6 DSP一致的经验证软件工具包
·基于业界知名的AlexNet CNN Benchmark,Vision C5 DSP的计算速度较业界的GPU最快提高6倍;Inception V3 CNN benchmark,有9倍的性能提升。

Vision C5 DSP是一款灵活前瞻的永不过时(future-proof)解决方案,支持各类内核尺寸、深度和输入规格。Vision C5 DSP采用多项系数压缩/解压技术,支持未来添加的新计算层。与之相反,CNN硬件加速器由于程序重编能力有限,扩展能力较差。

Vision C5 DSP搭载Cadence神经网络Mapping工具链,可将Caffe和TensorFlow等映射为在Vision C5 DSP上高度优化过的可执行代码,充分发挥手动优化神经网络库的丰富功能。

 

Cadence正与多家早期客户展开合作。如需了解Vision C5 DSP的详细内容,请联系您的Cadence销售代表。

 
关注与非网微信 ( ee-focus )
限量版产业观察、行业动态、技术大餐每日推荐
享受快时代的精品慢阅读
 

 

继续阅读
机器学习的长短时记忆神经网络(LSTM)算法

前言:人工智能机器学习有关算法内容,请参见公众号“科技优化生活”之前相关文章。人工智能之机器学习主要有三大类:1)分类;2)回归;3)聚类。今天我们重点探讨一下长短时记忆神经网络(LSTM)算法。

机器学习的循环神经网络(RNN)算法

前言:人工智能机器学习有关算法内容,请参见公众号“科技优化生活”之前相关文章。人工智能之机器学习主要有三大类:1)分类;2)回归;3)聚类。今天我们重点探讨一下循环神经网络(RNN)算法。

谁站了CES Asia的“C位”?
谁站了CES Asia的“C位”?

来自80多个国家的500余家参展公司,总参会人数预计将达到40000人次,展馆规模也达到了50000平方米。在这样盛大的CES Asia展会上,如何能够脱颖而出?

捷通华声灵云AICP为政企单位提供私有化的全方位AI能力

前段时间Facebook用户数据泄露,引发全球各地的维权运动。数据安全至关重要,因为数据不但涉及个人隐私、财产,也有可能涉及公司、政府等政企单位机密信息,一旦泄露,或流入目前紊乱的数据交易市场,将带来巨大风险。

谷歌保留封禁权利,AI会给军方使用

北京时间6月8日早间消息,Alphabet旗下谷歌部门周四称,该公司将禁止其AI(人工智能)软件被用于武器或不合理的监视措施,这意味着该公司开始为其在这个新兴业务领域中的业务决策建立标准。

更多资讯
【巅峰让利】捷多邦PCB工厂板费大减 工程费大降

2018年以来,捷多邦三大PCB工厂锐意进取,成果有目共睹。坪山厂根基牢固,惠州厂继续高歌猛进,沙井厂也在行业崭露头角。

针对DDR2-800和DDR3的PCB信号完整性设计
针对DDR2-800和DDR3的PCB信号完整性设计

本文章主要涉及到对DDR2和DDR3在设计印制线路板(PCB)时,考虑信号完整性和电源完整性的设计事项,这些是具有相当大的挑战性的。文章重点是讨论在尽可能少的PCB层数,特别是4层板的情况下的相关技术,其中一些设计方法在以前已经成熟的使用过。

Harwin扩展高牢固性表面贴装3点PCB插槽系列应用范围

高可靠性连接器供应商Harwin宣布进一步扩展其Sycamore Contact产品,该系列产品最初只能涵盖1和1.5毫米直径的接线引脚,但现在已经可覆盖0.80至1.90毫米的引脚尺寸。

东山精密拟19亿收购FLEX下属PCB业务

6月12日,东山精密披露,公司拟以现金方式向纳斯达克上市公司FLEX收购其下属的PCB(印制电路板)制造业务相关主体,合称为Multek,对此,东山精密表示,此次交易的达成将有助于公司扩大在海外市场的业务覆盖,进一步完善国际化布局。

明导举办PCB系统论坛 推DRC工具缩短开发时间

长久以来,PCB的开发一直受到设计时间、成本控制的限制。近年来,更由于各种复杂设计的装置纷纷推出,为各类的PCB设计验证带来挑战。

电路方案