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
会员中心
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正式推出了两款神经网络内核AX2185和AX2145

倩倩 来源:TechWeb 2020-04-17 14:28 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

近日,Imagination正式推出了两款神经网络内核AX2185和AX2145,这两款内核是基于神经网络加速器(NNA)架构PowerVR Series2NX设计的,设计目的是在极小芯片面积上以极低功耗实现神经网络高性能计算。该架构可以使“智能”从云端转移至终端设备,从而实现更高的效率和实时响应。

PowerVR Series2NX架构是完全重新设计的,旨在为移动和嵌入式平台中的高效神经网络推理提供硬件加速。其灵活的位宽可基于每一层去支持权重和数据,这意味着PowerVR Series2NX可以保持高推理精度,同时降低带宽/功耗要求。它是唯一支持16位到4位位宽的解决方案,可在较低的带宽和功耗下实现更高的性能。

Imagination主管PowerVR视觉和人工智能业务的副总裁Russell James表示:“人工智能正在改变行业,而神经网络是其核心所在,令人兴奋的全新使用案例正被不断创造,人们的生活也将得以改变。此类处理一直以来主要发生在云端,但由于延迟问题、隐私问题以及日益增长的可扩展性需求,边缘人工智能处理已变得非常必要。”

拥有广阔的适应性

Series2NX AX2185以高端智能手机、智能监控和汽车市场为目标,在这些市场中神经网络加速对诸如图像分类和驾驶辅助系统等领域可以产生重大影响。AX2185拥有8个全宽度计算引擎,每个时钟周期可处理2048个MAC(每秒4.1兆次运算),代表了市场上单位面积(每平方毫米)的最高性能。

AX2145针对成本敏感型设备进行了优化,以中档智能手机、数字电视/机顶盒、智能相机和消费性安全市场为目标,这些市场正在越来越多地采用神经网络加速来处理各种任务,例如图像管理和基于视觉的应用。 PowerVR AX2145精简型架构为超低带宽系统提供了高性能的神经网络推理功能,这种高性价比的解决方案可以支持原始设备制造商(OEM)和原始设计制造商(ODM)在芯片面积预算有限的情况下开展工作。

值得注意的是,两款内核都完全支持、Android的神经网络应用程序编程接口,开发人员使用NNAPI可以将神经网络功能带入基于Android的移动设备。为配合PowerVR Series2NX内核,Imagination提供了一整套工具来简化人工智能应用的开发和部署以及调试和分析。机器学习框架也可使用我们的网络开发工具包(NDK)。

其实,基于Series2NX架构的处理内核未来还有更多的可能性,从O.5-4.1TOPS性能都可以实现,可根据终端设备的种类和需求采用。所以这个系列产品的适应性是非常强的,基本涵盖了手机IoT、家电等所有终端领域。

AI产品正在逐步发力

我们都知道这家公司是全球为数不多的嵌入式移动GPU制造商(另外两家是ARM高通),前不久Imagination新任CEO李力游在接受采访的时候表示,神经元网络相关的技术和产品将会是这家公司未来的发展重点之一。本次推出的两款Series2NX架构内核正验证了这一点。

虽然GPU部分依然是这家公司目前的主要业务,但Russell James表示,他所负责的PowerVR视觉和人工智能业务无论是在研发还是渠道建设等多个方面,正在逐步增加比例,已经成为了未来的重点发展领域之一。

目前,这两款新产品已经在与多个知名半导体企业洽谈并开展合作,预计年内有望见到搭载这些产品的终端设备登场。

其实无论是智能手机还是IoT或者家电领域,与神经元网络相关的应用越来越多,因此终端也需要更强大的神经元网络计算能力,因此很多手机都开始搭载了独立的处理单元,这一市场前景还是非常值得期待的。

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
  • 神经网络
    +关注

    关注

    42

    文章

    4829

    浏览量

    106824
  • 人工智能
    +关注

    关注

    1813

    文章

    49755

    浏览量

    261658
收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    NMSIS神经网络库使用介绍

    NMSIS NN 软件库是一组高效的神经网络内核,旨在最大限度地提高 Nuclei N 处理器内核上的神经网络的性能并最​​大限度地减少其内存占用。 该库分为多个功能,每个功能涵盖特定
    发表于 10-29 06:08

    在Ubuntu20.04系统中训练神经网络模型的一些经验

    本帖欲分享在Ubuntu20.04系统中训练神经网络模型的一些经验。我们采用jupyter notebook作为开发IDE,以TensorFlow2为训练框架,目标是训练一个手写数字识别的神经网络
    发表于 10-22 07:03

    液态神经网络(LNN):时间连续性与动态适应性的神经网络

    1.算法简介液态神经网络(LiquidNeuralNetworks,LNN)是一种新型的神经网络架构,其设计理念借鉴自生物神经系统,特别是秀丽隐杆线虫的神经结构,尽管这种微生物的
    的头像 发表于 09-28 10:03 710次阅读
    液态<b class='flag-5'>神经网络</b>(LNN):时间连续性与动态适应性的<b class='flag-5'>神经网络</b>

    神经网络的并行计算与加速技术

    随着人工智能技术的飞速发展,神经网络在众多领域展现出了巨大的潜力和广泛的应用前景。然而,神经网络模型的复杂度和规模也在不断增加,这使得传统的串行计算方式面临着巨大的挑战,如计算速度慢、训练时间长等
    的头像 发表于 09-17 13:31 892次阅读
    <b class='flag-5'>神经网络</b>的并行计算与加速技术

    神经网络专家系统在电机故障诊断中的应用

    摘要:针对传统专家系统不能进行自学习、自适应的问题,本文提出了基于种经网络专家系统的并步电机故障诊断方法。本文将小波神经网络和专家系统相结合,充分发挥了二者故障诊断的优点,很大程度上降低了对电机
    发表于 06-16 22:09

    BP神经网络与卷积神经网络的比较

    BP神经网络与卷积神经网络在多个方面存在显著差异,以下是对者的比较: 一、结构特点 BP神经网络 : BP神经网络是一种多层的前馈
    的头像 发表于 02-12 15:53 1328次阅读

    BP神经网络的优缺点分析

    BP神经网络(Back Propagation Neural Network)作为一种常用的机器学习模型,具有显著的优点,同时也存在一些不容忽视的缺点。以下是对BP神经网络优缺点的分析: 优点
    的头像 发表于 02-12 15:36 1602次阅读

    什么是BP神经网络的反向传播算法

    BP神经网络的反向传播算法(Backpropagation Algorithm)是一种用于训练神经网络的有效方法。以下是关于BP神经网络的反向传播算法的介绍: 一、基本概念 反向传播算法是BP
    的头像 发表于 02-12 15:18 1294次阅读

    BP神经网络与深度学习的关系

    BP神经网络与深度学习之间存在着密切的关系,以下是对它们之间关系的介绍: 一、BP神经网络的基本概念 BP神经网络,即反向传播神经网络(Backpropagation Neural N
    的头像 发表于 02-12 15:15 1360次阅读

    BP神经网络的基本原理

    BP神经网络(Back Propagation Neural Network)的基本原理涉及前向传播和反向传播个核心过程。以下是关于BP神经网络基本原理的介绍: 一、网络结构 BP
    的头像 发表于 02-12 15:13 1542次阅读

    BP神经网络在图像识别中的应用

    传播神经网络(Back Propagation Neural Network),是一种多层前馈神经网络,主要通过反向传播算法进行学习。它通常包括输入层、一个或多个隐藏层和输出层。BP神经网络的训练过程涉及到前向传播和反向传播
    的头像 发表于 02-12 15:12 1195次阅读

    如何训练BP神经网络模型

    BP(Back Propagation)神经网络是一种经典的人工神经网络模型,其训练过程主要分为个阶段:前向传播和反向传播。以下是训练BP神经网络模型的步骤: 一、前向传播 前向传播
    的头像 发表于 02-12 15:10 1473次阅读

    部署DeepSeek R1于AX650N与AX630C平台

    背景 春节前,国产大模型 DeepSeek 横空出世,迅速成为AI领域的焦点。作为端侧AI能效比优异的 AX650N、AX630C 芯片平台早已在节前完成 DeepSeek R1 蒸馏版本 1.5B
    的头像 发表于 02-09 09:32 1911次阅读
    部署DeepSeek R1于<b class='flag-5'>AX</b>650N与<b class='flag-5'>AX</b>630C平台

    深度学习入门:简单神经网络的构建与实现

    深度学习中,神经网络是核心模型。今天我们用 Python 和 NumPy 构建一个简单的神经网络神经网络由多个神经元组成,神经元之间通过
    的头像 发表于 01-23 13:52 855次阅读

    人工神经网络的原理和多种神经网络架构方法

    在上一篇文章中,我们介绍了传统机器学习的基础知识和多种算法。在本文中,我们会介绍人工神经网络的原理和多种神经网络架构方法,供各位老师选择。 01 人工神经网络   人工神经网络模型之所
    的头像 发表于 01-09 10:24 2269次阅读
    人工<b class='flag-5'>神经网络</b>的原理和多种<b class='flag-5'>神经网络</b>架构方法