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

Imagination展示了多项基于其先进图形处理器和神经网络加速器IP的应用演示

Dbwd_Imgtec 来源:Imagination Tech 作者:Imagination Tech 2021-01-08 14:37 次阅读

集成电路产业是国家战略性支柱产业,是国民经济和社会信息化的重要基础。当前我国集成电路产业发展正处于关键期,国家高度重视并出台一系列政策和措施予以大力支持。集成电路设计业作为整个产业的龙头和技术、产品创新的主要环节,在产业发展中承担着重要责任,而知识产权(IP)在其中则扮演着关键的角色。 12月10日-11日,“中国集成电路设计业2020年会”(ICCAD 2020)在重庆举行,这场集成电路产业的年终盛会也是业内企业和从业人员的一次大聚会。Imagination Technologies作为全球领先的半导体IP厂商也如约出席大会,并通过技术应用展示和主题演讲与业界同仁展开了深入的交流。

Imagination展示了多项基于其先进图形处理器GPU)和神经网络加速器(NNA)IP的应用演示。例如,基于瑞萨R-Car H3芯片的GPU硬件虚拟化演示,该芯片采用了Imagination的PowerVR GX6650 GPU。通过硬件虚拟化功能,同一个GPU可以同时处理多个任务,并且通过物理隔离确保这些任务互不影响,实现了最高的安全性。

Imagination演示了基于先进IP的多项应用 另一项精彩演示是基于GPU和NNA的汽车环绕视图应用。GPU将摄像头图像拼接在一起推理出光照条件,利用环境光照渲染整个车身;同时,采集一定的图像用于神经网络分析,NNA会基于GoogLeNet SSD算法实现人的检测。 此外,Imagination还展示了领先的低功耗PowerVR光线追踪技术,以及利用不同的神经网络算法,基于NNA来实现语义分割、姿态检测、人脸检测、目标检测等应用。

Imagination的精彩演示吸引多位参观者驻足观看 在本次大会的“IP与IC设计专题论坛上,Imagination解决方案高级技术经理郑凯发表了题为“SoC IP 助力智能计算实现性能、功耗、面积新突破”的演讲,全面介绍了Imagination新近发布的最新一代GPU和NNA产品。

Imagination解决方案高级技术经理郑凯发表演讲 郑凯表示,中国是全球最大的半导体市场,但85%的半导体器件依赖进口,如何尽快实现半导体产业的进口替代事关国家经济和安全。Imagination作为一家中资拥有的全球性半导体IP企业,致力于通过创新技术和高效服务为中国芯片厂商提供广泛支持,并已在移动、汽车、桌面、云计算无人机等领域拥有大量合作伙伴。 “Imagination在10月和11月陆续发布了最新的IMG B系列多核GPU和IMG Series4多核NNA,在进一步丰富和强化我们产品线的同时,可以为客户提供更高的性能和渲染能力,以及更低的功耗、延迟和成本。”郑凯介绍道。

相比IMG A系列,B系列在功耗预算相同的情况下实现了30%的性能提升 IMG B系列GPU包括BXE、BXM、BXT、BXS四类产品,郑凯以旗舰款BXT为例介绍了B系列的特性。四核BXT可以提供6 TFLOPS的性能,每秒可处理192 Gigapixel(十亿像素),拥有24 TOPS的AI算力,同时可提供行业最高的性能密度。从手持设备到数据中心,BXT GPU可以为各类应用提供难以置信的高性能。

Imagination Tensor Tiling技术助力Series4 NNA降低了90%的带宽需求

IMG Series4 NNA凭借全新的多核架构实现了超高性能和超低延迟。例如,一个8核集群可以提供100 TOPS的算力,延迟在理想情况下也会减少为单核独立执行时的1/8。此外,Series4包含IP级别的安全功能且设计流程符合ISO 26262车规标准,使其成为先进驾驶辅助系统(ADAS)和自动驾驶等汽车应用的理想选择。

责任编辑:lq

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
  • 集成电路
    +关注

    关注

    5320

    文章

    10722

    浏览量

    353311
  • 神经网络
    +关注

    关注

    42

    文章

    4572

    浏览量

    98714
  • IP技术
    +关注

    关注

    0

    文章

    16

    浏览量

    8288

原文标题:进口替代是关键 IMG先进IP技术助力中国集成电路业加快自主发展 |ICCAD 2020

文章出处:【微信号:Imgtec,微信公众号:Imagination Tech】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    集成芯原神经网络处理器IP的AI类芯片已在全球范围出货超1亿颗

    2024年2月29日,中国上海——芯原股份 (芯原,股票代码:688521.SH) 今日宣布集成了芯原神经网络处理器 (NPU) IP的人工智能 (AI) 类芯片已在全球范围内出货超过1亿颗
    的头像 发表于 02-29 09:30 376次阅读

    《 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。 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
    发表于 09-11 20:34

    npu是什么处理器?NPU卡是什么?

    系统的计算方法,它通过学习和训练处理数据,以便更好地理解内容和呈现结果。NPU是一种高效的加速器,使得这种处理更加快速和高效。 NPU卡是一种专注于神经网络推理的
    的头像 发表于 08-27 17:03 4953次阅读

    人工神经网络和bp神经网络的区别

    人工神经网络和bp神经网络的区别  人工神经网络(Artificial Neural Network, ANN)是一种模仿人脑神经元网络结构和功能的计算模型,也被称为
    的头像 发表于 08-22 16:45 3427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测和分类。卷积
    发表于 08-21 17:07 2313次阅读

    卷积神经网络的介绍 什么是卷积神经网络算法

    的深度学习算法。CNN模型最早被提出是为了处理图像,其模型结构中包含卷积层、池化层和全连接层等关键技术,经过多个卷积层和池化层的处理,CNN可以提取出图像中的特征信息,从而对图像进行分类。 一、卷积神经网络算法 卷积
    的头像 发表于 08-21 16:49 1423次阅读

    卷积神经网络的基本原理 卷积神经网络发展 卷积神经网络三大特点

    中最重要的神经网络之一。它是一种由多个卷积层和池化层(也可称为下采样层)组成的神经网络。CNN 的基本思想是以图像为输入,通过网络的卷积、下采样和全连接等多个层次的处理,将图像的高层抽
    的头像 发表于 08-21 16:49 1435次阅读

    卷积神经网络概述 卷积神经网络的特点 cnn卷积神经网络的优点

    卷积神经网络概述 卷积神经网络的特点 cnn卷积神经网络的优点  卷积神经网络(Convolutional neural network,CNN)是一种基于深度学习技术的
    的头像 发表于 08-21 16:41 1931次阅读

    卷积神经网络的应用 卷积神经网络通常用来处理什么

    卷积神经网络的应用 卷积神经网络通常用来处理什么 卷积神经网络(Convolutional Neural Network,简称CNN)是一种在神经网
    的头像 发表于 08-21 16:41 3974次阅读

    卷积神经网络原理:卷积神经网络模型和卷积神经网络算法

    一。其主要应用领域在计算机视觉和自然语言处理中,最初是由Yann LeCun等人在20世纪80年代末和90年代初提出的。随着近年来计算机硬件性能的提升和深度学习技术的发展,CNN在很多领域取得了重大的进展和应用。 一、卷积神经网络模型 (一)卷积层(Convolution
    的头像 发表于 08-17 16:30 913次阅读

    Intel媒体加速器参考软件用户指南

    英特尔媒体加速器参考软件是用于数字标志、交互式白板(IWBs)和亭位使用模型的参考媒体播放应用软件,它利用固定功能硬件加速来提高媒体流速、改进工作量平衡和资源利用,以及定制的图形
    发表于 08-04 07:07

    【书籍评测活动NO.18】 AI加速器架构设计与实现

    创新的芯片架构设计,这正面临新的挑战。本书从神经网络的分析出发,总结和提炼AI加速器架构设计中常见的难点,以及解决这些难点的技术、方法和思想,是AI软硬件架构师、设计师非常宝贵的参考资料。《 AI
    发表于 07-28 10:50