0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

英国推出可应用于ADAS和自动驾驶的神经网络加速器

姚小熊27 来源:盖世汽车 作者:盖世汽车 2020-11-16 10:28 次阅读

据外媒报道,英国半导体与软件设计公司Imagination Technologies宣布推出新一代神经网络加速器(NNA)——IMG Series4,可应用于高级驾驶辅助系统(ADAS)和自动驾驶。Series4的目标客户是汽车行业内领先的颠覆者以及一级供应商、原始设备制造商(OEM)以及汽车半导体片上系统(SoC)制造商。

Series4具备新型多核架构,运算能力超高,达到600 TOPS及以上,可为大型神经网络工作负载提供低带宽以及超低延迟性能。

汽车行业一直在进行一场革命,自动驾驶汽车和自动驾驶出租车等新用例都要求人工智能AI)技术的性能达到全新水平。为此,Imagination与汽车行业以及重视功能安全的其他行业的领导者和创新者合作。目前,Series4已经获得许可证,将于2020年12月上市。

Imagination的低功耗NNA架构旨在用于运行全网络推断,同时也能满足功能安全要求,可一次性执行多个操作,以最大限度地提高性能功耗比,提供业内领先的能源效率。

Series4包括:

1、 多核架构可扩展性与灵活性:多核架构使其能够跨核灵活分配和同步工作负载,Imagination的软件具备精细控制能力,可通过分批处理、分割以及调度多个工作负载增加灵活性,而且可在任意数量的核上使用,每个集群有2、4、6或8核配置。

2、 超高性能:Series4每核的算力达12.5 TOPS,能耗却低于1瓦特。例如8核配置的集群算力可达100 TOPS,因而6×100的解决方案算力可达600 TOPS。在AI推理方面,Series4 NNA的性能比嵌入式GPU快200倍,比嵌入式CPU快1000倍。

3、 超低延迟:通过将所有核合并到2、4、6或8核集群中,所有核都可用于专门执行单个任务,通过相应的倍数减少延迟,从而减少响应时间。例如,对于8核集群而言,就是8倍。

4、 大大节省带宽:Imagination的Tensor Tiling(ITT)是Series4的新功能,是一项正在申请专利的技术,能够通过将输入的数据张量分割成多个块,以更高效地处理数据,从而解决带宽效率问题。ITT利用本地数据的依赖关系,将中间数据存储在芯片存储器中,最大限度地减少将数据输入到外部存储器中,将带宽减少90%。ITT是一种可扩展的算法,在具有大输入数据量的网络上具有很大的优势。

5、 汽车安全:Series4包括IP级别的安全功能以及符合ISO 26262的设计流程,可帮助客户获得认证。ISO 26262是汽车电子产品风险的行业安全标准,Series4能够让神经网络安全推理,且不会影响到性能。硬件安全机制可以保护已编译的网络、网络执行和数据处理管道。
责任编辑:YYX

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • adas
    +关注

    关注

    307

    文章

    2049

    浏览量

    207825
  • 自动驾驶
    +关注

    关注

    773

    文章

    13000

    浏览量

    163130
  • 神经网络加速器

    关注

    0

    文章

    12

    浏览量

    3552
收藏 人收藏

    评论

    相关推荐

    未来已来,多传感融合感知是自动驾驶破局的关键

    巨大的进展;自动驾驶开始摒弃手动编码规则和机器学习模型的方法,转向全面采用端到端的神经网络AI系统,它能模仿学习人类司机的驾驶,遇到场景直接输入传感数据,再直接输出转向、制动和
    发表于 04-11 10:26

    LabVIEW开发自动驾驶的双目测距系统

    LabVIEW开发自动驾驶的双目测距系统 随着车辆驾驶技术的不断发展,自动驾驶技术正日益成为现实。从L2级别的辅助驾驶技术到L3级别的受条件约束的
    发表于 12-19 18:02

    自动驾驶算力是不是越高越好?

    自动驾驶主要分为0-5级,以Level3为分界,以下为智能驾驶,以上为自动驾驶。目前市面上比较成熟量产的还是以Level3以下为主。智能驾驶目前主要的感知更多的依赖视觉,这也推动了卷积
    发表于 12-19 15:24 546次阅读
    <b class='flag-5'>自动驾驶</b>算力是不是越高越好?

    PCIe在AI加速器中的作用

    从线上购物时的“猜你喜欢”、到高等级自动驾驶汽车上的实时交通信息接收,再到在线视频游戏,所有的这些都离不开人工智能(AI)加速器。AI加速器是一种高性能的并行计算设备,旨在高效处理神经网络
    的头像 发表于 11-18 10:36 1204次阅读
    PCIe在AI<b class='flag-5'>加速器</b>中的作用

    《 AI加速器架构设计与实现》+第2章的阅读概括

    。 从名字上就能看出来书里可能覆盖的内容是和CNN加速器有关的内容了。 作者在前言里说这本书主要讨论Inference(推理)的过程,“主要讨论神经网络硬件,尤其是芯片设计层面的内容”。这本书的第2,3章
    发表于 09-17 16:39

    《 AI加速器架构设计与实现》+学习和一些思考

    AI加速器设计的学习和一些思考 致谢 首先感谢电子发烧友论坛提供的书籍 然后为该书打个广告吧,32K的幅面,非常小巧方便,全彩印刷,质量精良,很有质感。 前言 设计神经网络首先要考虑的几个问题
    发表于 09-16 11:11

    FPGA加速神经网络的矩阵乘法

    电子发烧友网站提供《FPGA加速神经网络的矩阵乘法.pdf》资料免费下载
    发表于 09-15 14:50 0次下载
    FPGA<b class='flag-5'>加速</b><b class='flag-5'>神经网络</b>的矩阵乘法

    《 AI加速器架构设计与实现》+第一章卷积神经网络观后感

    《 AI加速器架构设计与实现》+第一章卷积神经网络观感    在本书的引言中也提到“一图胜千言”,读完第一章节后,对其进行了一些归纳(如图1),第一章对常见的神经网络结构进行了介绍,举例了一些结构
    发表于 09-11 20:34

    人工神经网络和bp神经网络的区别

    Network, NN)或神经计算(Neurocomputing)。ANN具有自适应学习、自适应处理能力和良好的非线性建模能力,可应用于模式识别、分类、预测、辨识、控制等领域,并在人工智能、机器学习等领域发挥
    的头像 发表于 08-22 16:45 3406次阅读

    cnn卷积神经网络算法 cnn卷积神经网络模型

    中,CNN已成为图像识别和语音识别领域的热门算法,广泛应用于自动驾驶、医学诊断、物体检测等方面。 CNN的基本原理是利用卷积层提取图像的特征,通过池化层降低特征的维度,然后通过全连接层将特征映射到输出,实现分类或回归任务。每个卷积层
    的头像 发表于 08-21 17:15 1132次阅读

    cnn卷积神经网络模型 卷积神经网络预测模型 生成卷积神经网络模型

    cnn卷积神经网络模型 卷积神经网络预测模型 生成卷积神经网络模型  卷积神经网络(Convolutional Neural Network,CNN)是一种深度学习
    的头像 发表于 08-21 17:11 794次阅读

    卷积神经网络和深度神经网络的优缺点 卷积神经网络和深度神经网络的区别

    深度神经网络是一种基于神经网络的机器学习算法,其主要特点是由多层神经元构成,可以根据数据自动调整神经元之间的权重,从而实现对大规模数据进行预
    发表于 08-21 17:07 2222次阅读

    神经网络模型用于解决什么样的问题 神经网络模型有哪些

    神经网络模型是一种机器学习模型,可以用于解决各种问题,尤其是在自然语言处理领域中,应用十分广泛。具体来说,神经网络模型可以用于以下几个方面: 语言模型建模:
    的头像 发表于 08-03 16:37 4047次阅读

    【书籍评测活动NO.18】 AI加速器架构设计与实现

    经验总结图解NPU算法、架构与实现,从零设计产品级加速器当前,ChatGPT和自动驾驶等技术正在为人类社会带来巨大的生产力变革,其中基于深度学习和增强学习的AI计算扮演着至关重要的角色。新的计算范式需要
    发表于 07-28 10:50

    研究人员研发可识别声音的材料 ,可应用于自动驾驶汽车传感器

    ‍‍ 传感新品 【研究人员研发可识别声音的材料 ,可应用于自动驾驶汽车传感器】 各种形式的模式识别,特别是机器学习,已经被广泛应用于各种现代技术。通过发现数据中的模式,机器学习能够将此类模式转变为
    的头像 发表于 05-05 15:21 264次阅读
    研究人员研发可识别声音的材料 ,<b class='flag-5'>可应用于</b><b class='flag-5'>自动驾驶</b>汽车传感器