基于深度神经网络开发AI编译器

概述

我们正在开发的 AI 编译器是可以从预训练的深度神经网络为瑞萨的 R-Car 设备生成高性能可执行代码的软件。

背景

实时执行 CNN 推理是一项非常具有挑战性的工作，因为嵌入式硬件在计算和功耗的硬件资源方面面临着严格的限制。为了在 R-Car V 系列设备上有效地执行 CNN 推理，瑞萨设计了异构架构，该架构分为可编程处理器 （CPU） 和专用于计算网络各层的加速器。

至于AI编译器，常见的软件架构包含两部分：编译器“前端”和编译器“后端”，如图所示。深度神经网络在 AI 编译器中被翻译成多级 IR。编译器前端负责与硬件无关的转换（图 IR）和图优化，而编译器后端负责特定于硬件的优化、代码生成。

例子

瑞萨主要开发硬件相关的优化算法，最大限度地利用R-Car V系列的异构架构。为了进一步提高性能，有必要了解与深度神经网络相关的最新论文，并与工程师进行技术讨论。我们正在寻找该领域积极进取的工程师。

结论

深度神经网络是近年来得到广泛研究并不断发展的技术领域之一。瑞萨将提供先进的人工智能工具来协助自动驾驶技术的发展。

图像

审核编辑：郭婷