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发布最新神经网络加速器

Dbwd_Imgtec 来源:cg 2018-12-06 16:09 次阅读

PowerVR Series3NX提供0.6至10 TOPS的单核性能及超过160 TOPS的多核可扩展性,以实现前所未有的计算性能和可扩展性等级。

2018年12月4日 - Imagination Technologies宣布推出其面向人工智能AI)应用的最新神经网络加速器(NNA)架构PowerVR Series3NX。基于屡获殊荣的前代产品,新版Series3NX提供了无与伦比的可扩展性,使系统级芯片(SoC)制造商能够针对诸如汽车、移动设备、智能视频监控和物联网边缘设备等一系列嵌入式市场去优化计算能力和性能。

单个Series3NX内核的性能可从0.6到10万亿次操作/秒(TOPS),同时其多核实现可扩展到160TOPS以上。得益于包括无损权重压缩等架构性增强,Series3NX架构的性能可在相同的芯片面积上较上一代产品提升40%,使SoC制造商可在性能效率方面提高近60%,且带宽需求降低了35%。

作为Series3NX架构的一部分,Imagination还发布了PowerVR Series3NX-F(Flexible)半导体知识产权(IP)配置,以提供前所未有的功能性和灵活性平衡,同时还结合了行业领先的性能。采用Series3NX-F的客户可以通过OpenCL框架来实现差异化并为其产品增加价值。

“将AI应用于边缘从而去创造更强大、更自主,更易于使用的设备潜藏着巨大机遇。”嵌入式视觉联盟(Embedded Vision Alliance)创始人Jeff Bier说道。“在许多这类应用中,一个关键的挑战是实现处理性能、灵活性、成本和功耗的正确组合。我为Imagination Technologies在开发创新处理器以满足这些需求而进行的持续投入点赞。”

Imagination视觉和人工智能副总裁RussellJames说道:“Series3NX架构和Series3NX-F都是不折不扣的创新产品。它们一起带来了灵活性和可扩展性,同时将性能上限提高了将近一倍。这改变了游戏规则,可真正推动嵌入式设备去大规模采用人工智能。”

为了迎合快速发展的市场,新的PowerVR工具也进行了多项扩展,从而能够最优化地去映射新兴的网络模型、提供灵活性和性能优化的理想组合。

通过使用Imagination的专用深度神经网络(DNN)API,开发人员可以轻松地针对Series3NX架构以及现有PowerVR GPU编写人工智能应用程序。该API可以在多种SoC配置上工作,以便在现有设备上轻松地完成原型设计。

Imagination于2017年推出了上一代神经网络加速器产品PowerVR Series2NX。迄今为止,它已经授权给了多家客户,主要集中在移动设备和汽车市场上。

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
  • 嵌入式
    +关注

    关注

    4983

    文章

    18286

    浏览量

    288499
  • 人工智能
    +关注

    关注

    1776

    文章

    43871

    浏览量

    230624

原文标题:Imagination发布PowerVR Series3NX神经网络加速器,为嵌入式人工智能市场带来多核可扩展性

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

    浅析深度神经网络压缩与加速技术

    深度神经网络是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似
    的头像 发表于 10-11 09:14 395次阅读
    浅析深度<b class='flag-5'>神经网络</b>压缩与<b class='flag-5'>加速</b>技术

    《 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加速器有关的内容了。 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,举例了一些结构
    发表于 09-11 20:34

    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 3440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 2348次阅读

    卷积神经网络的介绍 什么是卷积神经网络算法

    卷积神经网络的介绍 什么是卷积神经网络算法 卷积神经网络涉及的关键技术 卷积神经网络(Convolutional Neural Network,CNN)是一种用于图像分类、物体识别、语
    的头像 发表于 08-21 16:49 1429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

    卷积神经网络的基本原理 卷积神经网络发展历程 卷积神经网络三大特点  卷积神经网络的基本原理 卷积神经网络(Convolutional Ne
    的头像 发表于 08-21 16:49 1451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 1945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)是一种在神经网络领域内广泛应用的
    的头像 发表于 08-21 16:41 4006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

    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 卷积神经网络(Convolutional Neural Network,CNN)是一种基于深度学习的人工
    的头像 发表于 08-17 16:30 923次阅读

    【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,总结和提炼了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

    什么是神经网络?为什么说神经网络很重要?神经网络如何工作?

    神经网络是一个具有相连节点层的计算模型,其分层结构与大脑中的神经元网络结构相似。神经网络可通过数据进行学习,因此,可训练其识别模式、对数据分类和预测未来事件。
    的头像 发表于 07-26 18:28 1989次阅读
    什么是<b class='flag-5'>神经网络</b>?为什么说<b class='flag-5'>神经网络</b>很重要?<b class='flag-5'>神经网络</b>如何工作?

    三个最流行神经网络

    在本文中,我们将了解深度神经网络的基础知识和三个最流行神经网络:多层神经网络(MLP),卷积神经网络(CNN)和递归神经网络(RNN)。
    发表于 05-15 14:19 1176次阅读
    三个最流行<b class='flag-5'>神经网络</b>