FPGA na osnovi nevronskih omrežnih pospeševalnikov presega GPU-je

Predstavljen je bil kot GoogLeNet Inception-v1 CNN z uporabo osem-bitne celoštevilske ločljivosti. Dosegel je 16,8 terra operacij na sekundo (TOPS) in lahko na a Xilinx Virtex UltraScale + XCVU9P-3 FPGA. Modularni, prilagodljivi pristop, je primeren za detekcijo objektov in aplikacije za obdelavo videa na robu in v oblaku, je pojasnil Fawcett, kot tudi za sklepanje v podatkovnih centrih in inteligentnih fotoaparatih.

DPU se lahko konfigurira tako, da zagotavlja optimalno računsko zmogljivost za topologije nevronskih omrežij v aplikacijah strojnega učenja, z uporabo paralelne DSP arhitekture, porazdeljenega pomnilnika in preoblikovanja logike in povezljivosti za različne algoritme.

DPU dosega več kot 50% večjo zmogljivost kot kateri koli konkurenčni CNN in opravi GPU za dani proračun moči ali stroškov, trdi podjetje. "FPGA je svetovno uspešna platforma in arhitektura, ki je zelo prilagodljiva za odpornost proti prihodnosti in lahko z nižjo latenco preseže GPU v AI," je dodal Fawcett.

Podjetje je tudi napovedalo, da sponzorira DPhil (PhD0 na Oxfordski univerzi za preučevanje tehnik za uvajanje hitrega učenja na fpgas). Delo bo potekalo v sodelovanju z lastnimi raziskavami Omniteka v motorjih in algoritmih za izračun AI.