FPGA pagrįstas nervų tinklo greitintuvas lenkia GPU

Jis buvo pademonstruotas kaip „GoogLeNet Inception-v1 CNN“, naudojant aštuonių bitų sveikąją gebą. „Xilinx Virtex UltraScale + XCVU9P-3 fpga“ jis pasiekė 16,8 tera operacijų per sekundę (TOPS) ir gali sukelti daugiau nei 5300 vaizdų per sekundę. Modulinis, keičiamo mastelio metodas leidžia jį naudoti objektų aptikimo ir vaizdo apdorojimo programoms krašte ir debesyje, aiškino „Fawcett“, taip pat daryti išvadą duomenų centruose ir intelektualiose kamerose.

DPU gali būti sukonfigūruotas taip, kad būtų užtikrintas optimalus nervų tinklo topologijų skaičiavimas mašininio mokymosi programose, naudojant lygiagrečią DSP architektūrą, paskirstytą atmintį ir logikos bei jungiamumo konfigūruojamumą įvairiems algoritmams.

„DPU“ pasiekia daugiau nei 50 proc. Didesnį našumą nei bet kuris konkuruojantis CNN ir už nustatytą galios ar išlaidų biudžetą atlieka GPU, teigia bendrovė. „„ Fpga “yra pasaulyje plakanti platforma ir architektūra, kuri yra labai lanksti ateities užtikrinimui ir gali pranokti GPU AI, su mažesniu vėlavimu“, - pridūrė Fawcett.

Bendrovė taip pat paskelbė, kad remia DPhil (doktorantūros laipsnis Oksfordo universitete, siekiant studijuoti giluminio mokymosi spartinimo diegimo fpgas metodus. Darbas bus bendradarbiaujant su paties „Omnitek“ atliktais AI skaičiavimo variklių ir algoritmų tyrimais.