PowerVR Series3NX提供0.6至10 TOPS的單核性能及超過160 TOPS的多核可擴展性,以實現(xiàn)前所未有的計算性能和可擴展性等級。
2018年12月4日 - Imagination Technologies宣布推出其面向人工智能(AI)應(yīng)用的最新神經(jīng)網(wǎng)絡(luò)加速器(NNA)架構(gòu)PowerVR Series3NX。基于屢獲殊榮的前代產(chǎn)品,新版Series3NX提供了無與倫比的可擴展性,使系統(tǒng)級芯片(SoC)制造商能夠針對諸如汽車、移動設(shè)備、智能視頻監(jiān)控和物聯(lián)網(wǎng)邊緣設(shè)備等一系列嵌入式市場去優(yōu)化計算能力和性能。
單個Series3NX內(nèi)核的性能可從0.6到10萬億次操作/秒(TOPS),同時其多核實現(xiàn)可擴展到160TOPS以上。得益于包括無損權(quán)重壓縮等架構(gòu)性增強,Series3NX架構(gòu)的性能可在相同的芯片面積上較上一代產(chǎn)品提升40%,使SoC制造商可在性能效率方面提高近60%,且?guī)捫枨蠼档土?5%。
作為Series3NX架構(gòu)的一部分,Imagination還發(fā)布了PowerVR Series3NX-F(Flexible)半導(dǎo)體知識產(chǎn)權(quán)(IP)配置,以提供前所未有的功能性和靈活性平衡,同時還結(jié)合了行業(yè)領(lǐng)先的性能。采用Series3NX-F的客戶可以通過OpenCL框架來實現(xiàn)差異化并為其產(chǎn)品增加價值。
“將AI應(yīng)用于邊緣從而去創(chuàng)造更強大、更自主,更易于使用的設(shè)備潛藏著巨大機遇。”嵌入式視覺聯(lián)盟(Embedded Vision Alliance)創(chuàng)始人Jeff Bier說道?!霸谠S多這類應(yīng)用中,一個關(guān)鍵的挑戰(zhàn)是實現(xiàn)處理性能、靈活性、成本和功耗的正確組合。我為Imagination Technologies在開發(fā)創(chuàng)新處理器以滿足這些需求而進行的持續(xù)投入點贊。”
Imagination視覺和人工智能副總裁RussellJames說道:“Series3NX架構(gòu)和Series3NX-F都是不折不扣的創(chuàng)新產(chǎn)品。它們一起帶來了靈活性和可擴展性,同時將性能上限提高了將近一倍。這改變了游戲規(guī)則,可真正推動嵌入式設(shè)備去大規(guī)模采用人工智能?!?/p>
為了迎合快速發(fā)展的市場,新的PowerVR工具也進行了多項擴展,從而能夠最優(yōu)化地去映射新興的網(wǎng)絡(luò)模型、提供靈活性和性能優(yōu)化的理想組合。
通過使用Imagination的專用深度神經(jīng)網(wǎng)絡(luò)(DNN)API,開發(fā)人員可以輕松地針對Series3NX架構(gòu)以及現(xiàn)有PowerVR GPU編寫人工智能應(yīng)用程序。該API可以在多種SoC配置上工作,以便在現(xiàn)有設(shè)備上輕松地完成原型設(shè)計。
Imagination于2017年推出了上一代神經(jīng)網(wǎng)絡(luò)加速器產(chǎn)品PowerVR Series2NX。迄今為止,它已經(jīng)授權(quán)給了多家客戶,主要集中在移動設(shè)備和汽車市場上。
-
嵌入式
+關(guān)注
關(guān)注
5152文章
19675瀏覽量
317671 -
人工智能
+關(guān)注
關(guān)注
1807文章
49029瀏覽量
249608
原文標題:Imagination發(fā)布PowerVR Series3NX神經(jīng)網(wǎng)絡(luò)加速器,為嵌入式人工智能市場帶來多核可擴展性
文章出處:【微信號:Imgtec,微信公眾號:Imagination Tech】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
MAX78000采用超低功耗卷積神經(jīng)網(wǎng)絡(luò)加速度計的人工智能微控制器技術(shù)手冊

MAX78002帶有低功耗卷積神經(jīng)網(wǎng)絡(luò)加速器的人工智能微控制器技術(shù)手冊

BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較
BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點分析
什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法
BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系
BP神經(jīng)網(wǎng)絡(luò)的基本原理
人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較
RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別
LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機制
LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)RNN的區(qū)別
LSTM神經(jīng)網(wǎng)絡(luò)的基本原理 如何實現(xiàn)LSTM神經(jīng)網(wǎng)絡(luò)
Moku人工神經(jīng)網(wǎng)絡(luò)101

評論