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

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
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

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

    311

    文章

    2337

    浏览量

    212100
  • 自动驾驶
    +关注

    关注

    794

    文章

    14976

    浏览量

    181348
  • 神经网络加速器

    关注

    0

    文章

    13

    浏览量

    3797
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

    卷积神经网络如何让自动驾驶识别障碍物?

    自动驾驶的发展过程中,感知系统一直承担车辆“眼睛”的角色,其核心任务是让计算机理解复杂多变的物理世界。卷积神经网络(CNN)作为一种专门用于处理图像和视频等网格状数据结构的深度学习模型,已经成为
    的头像 发表于 04-11 09:59 1402次阅读
    卷积<b class='flag-5'>神经网络</b>如何让<b class='flag-5'>自动驾驶</b>识别障碍物?

    探索MAX78002:低功耗卷积神经网络加速器的AI微控制

    探索MAX78002:低功耗卷积神经网络加速器的AI微控制 在当今的科技领域,人工智能(AI)的发展日新月异,对计算能力的需求也与日俱增。然而,传统的AI计算往往伴随着高能耗的问题,这在一些对功耗
    的头像 发表于 03-27 17:10 139次阅读

    加速L4级自动驾驶商业化:aiData全自动化数据处理解决方案!

    引言在汽车AI领域,无论是高级驾驶辅助系统(ADAS)还是自动驾驶技术的研发,都需要数据。因此高质量、精准且记录完备的数据,是神经网络训练、验证及仿真测试的核心支撑。然而,数据采集往往
    的头像 发表于 12-18 16:33 2258次阅读
    <b class='flag-5'>加速</b>L4级<b class='flag-5'>自动驾驶</b>商业化:aiData全<b class='flag-5'>自动</b>化数据处理解决方案!

    Transformer如何让自动驾驶变得更聪明?

    ]自动驾驶中常提的Transformer本质上是一种神经网络结构,最早在自然语言处理里火起来。与卷积神经网络(CNN)或循环神经网络(RNN)不同,Transformer能够
    的头像 发表于 11-19 18:17 2440次阅读

    自动驾驶中常提的卷积神经网络是个啥?

    自动驾驶领域,经常会听到卷积神经网络技术。卷积神经网络,简称为CNN,是一种专门用来处理网格状数据(比如图像)的深度学习模型。CNN在图像处理中尤其常见,因为图像本身就可以看作是由像素排列成的二维网格。
    的头像 发表于 11-19 18:15 2231次阅读
    <b class='flag-5'>自动驾驶</b>中常提的卷积<b class='flag-5'>神经网络</b>是个啥?

    一些神经网络加速器的设计优化方案

    特征图保留不变,完成和所有相关卷积核点积以后再加载,最多复用 R*R*M 次。 3.不同网络模型的效果 如图所示,后者相对于前者,减少了连线资源和复杂度。 4.DNN加速器空间架构片上存储
    发表于 10-31 07:14

    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,每个功能涵盖特定类别
    发表于 10-29 06:08

    SNN加速器内部神经元数据连接方式

    的数量级,而且生物轴突的延迟和神经元的时间常数比数字电路的传播和转换延迟要大得多,AER 的工作方式和神经网络的特点相吻合,所以受生物启发的神经形态处理中的NoC或SNN
    发表于 10-24 07:34

    在Ubuntu20.04系统中训练神经网络模型的一些经验

    模型。 我们使用MNIST数据集,训练一个卷积神经网络(CNN)模型,用于手写数字识别。一旦模型被训练并保存,就可以用于对新图像进行推理和预测。要使用生成的模型进行推理,可以按照以下步骤进行操作: 1.
    发表于 10-22 07:03

    CICC2033神经网络部署相关操作

    在完成神经网络量化后,需要将神经网络部署到硬件加速器上。首先需要将所有权重数据以及输入数据导入到存储内。 在仿真环境下,可将其存于一个文件,并在 Verilog 代码中通过 read
    发表于 10-20 08:00

    神经网络的并行计算与加速技术

    问题。因此,并行计算与加速技术在神经网络研究和应用中变得至关重要,它们能够显著提升神经网络的性能和效率,满足实际应用中对快速响应和大规模数据处理的需求。神经网络并行
    的头像 发表于 09-17 13:31 1278次阅读
    <b class='flag-5'>神经网络</b>的并行计算与<b class='flag-5'>加速</b>技术

    想实现自动驾驶,哪些技术非常关键?

    近年来,随着人工智能、车载计算平台、传感技术的快速进步,自动驾驶已从实验室走向实际道路。而支撑这一切的,是一套庞大且精密的技术架构系统。这套架构就像一辆自动驾驶汽车的大脑与神经网络
    的头像 发表于 08-30 09:40 2706次阅读

    Andes晶心科技推出新一代深度学习加速器

    高效能、低功耗 32/64 位 RISC-V 处理核与 AI 加速解决方案的领导供货商—Andes晶心科技(Andes Technology)今日正式发表最新深度学习加速器 AndesAIRE AnDLA I370。此产品专为
    的头像 发表于 08-20 17:43 3098次阅读

    MAX78002带有低功耗卷积神经网络加速器的人工智能微控制技术手册

    的Maxim超低功耗微控制相结合。通过这款基于硬件的卷积神经网络(CNN)加速器,即使是电池供电的应用也可执行AI推理,同时功耗仅为微焦耳级。
    的头像 发表于 05-08 10:16 1009次阅读
    MAX78002带有低功耗卷积<b class='flag-5'>神经网络</b><b class='flag-5'>加速器</b>的人工智能微控制<b class='flag-5'>器</b>技术手册