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
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

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

    5446

    文章

    12470

    浏览量

    372717
  • 神经网络
    +关注

    关注

    42

    文章

    4829

    浏览量

    106806
  • IP技术
    +关注

    关注

    0

    文章

    16

    浏览量

    8441

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
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

    CNN卷积神经网络设计原理及在MCU200T上仿真测试

    CNN算法简介 我们硬件加速器的模型为Lenet-5的变型,网络粗略分共有7层,细分共有13层。包括卷积,最大池化层,激活层,扁平层,全连接层。下面是各层作用介绍: 卷积层:提取特征。“不全
    发表于 10-29 07:49

    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器中的NoC或SNN
    发表于 10-24 07:34

    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。
    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<b class='flag-5'>加速</b>技术

    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 处理器核与 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 1868次阅读

    Arm神经技术是业界首创在 Arm GPU 上增添专用神经加速器的技术,移动设备上实现PC级别的AI图形性能

    Arm 神经技术是业界首创在 Arm GPU 上增添专用神经加速器的技术,首次在移动设备上实现 PC 级别的 AI 图形性能,为未来的端侧 AI 创新奠定基础
    的头像 发表于 08-14 17:59 2524次阅读

    MAX78000采用超低功耗卷积神经网络加速度计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 11:42 721次阅读
    MAX78000采用超低功耗卷积<b class='flag-5'>神经网络</b><b class='flag-5'>加速</b>度计的人工智能微控制<b class='flag-5'>器</b>技术手册

    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 10:16 602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

    TPU处理器的特性和工作原理

    张量处理单元(TPU,Tensor Processing Unit)是一种专门为深度学习应用设计的硬件加速器。它的开发源于对人工智能(AI)和机器学习应用的需求,尤其是深度学习中的神经网络计算。
    的头像 发表于 04-22 09:41 3369次阅读
    TPU<b class='flag-5'>处理器</b>的特性和工作原理

    NVIDIA实现神经网络渲染技术的突破性增强功能

    发者能使用 NVIDIA GeForce RTX GPU 中的 AI Tensor Cores,在游戏的图形渲染管线内加速神经网络渲染。
    的头像 发表于 04-07 11:33 874次阅读

    图形处理到AI加速,一文看懂Imagination D系列GPU

    Imagination的D系列于2022年首次发布,见证生成式AI从云端到智能手机等消费设备中普及。在云端,由于GPU的可编程性、可扩展性和快速处理AI工作负载的能力,GPU已成为高效的AI
    的头像 发表于 02-27 08:33 829次阅读
    从<b class='flag-5'>图形</b><b class='flag-5'>处理</b>到AI<b class='flag-5'>加速</b>,一文看懂<b class='flag-5'>Imagination</b> D系列GPU

    BP神经网络与卷积神经网络的比较

    多层。 每一层都由若干个神经元构成,神经元之间通过权重连接。信号在神经网络中是前向传播的,而误差是反向传播的。 卷积神经网络(CNN) : CNN主要由卷积层、池化层和全连接层组成。
    的头像 发表于 02-12 15:53 1324次阅读

    RK3399Pro处理器:高性能与AI加速的完美结合

    Cortex-A53处理器,主频可达1.4GHz,提供卓越的处理性能和多任务处理能力。 高效能NPU:内置NPU(神经网络处理器),性能高达
    的头像 发表于 02-07 18:11 1407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
    的头像 发表于 01-09 10:24 2259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