面臨的主要技術(shù)挑戰之一是邊緣計算:如何在資源受限的嵌入式設備上執行計算密集型人工智能任務(wù)。在這種追求中,硬件和軟件從根本上相互矛盾,因為設計人員試圖同時(shí)平衡低功耗、低成本和高性能。
機器學(xué)習硬件初創(chuàng )公司SiMa.ai現在正試圖通過(guò)設計“軟件優(yōu)先”的硬件來(lái)應對這一挑戰,以實(shí)現前所未有的邊緣AI性能。本周,SiMa.ai發(fā)布了他們的新MLSoC平臺,這是一個(gè)以ML為中心的SoC,旨在使邊緣AI比以往任何時(shí)候都更加直觀(guān)和靈活。
在本文中,我們將討論邊緣AI的現狀,以及SiMa.ai的新平臺希望如何解決其一些缺點(diǎn)。
Edge AI的現狀
當談到將AI帶到邊緣時(shí),也被稱(chēng)為TinyML,這個(gè)過(guò)程通常非常以硬件為中心。
通常,邊緣AI的挑戰在于設備資源非常有限,RAM、處理能力和電池壽命有限。因此,TinyML的設計過(guò)程通常圍繞著(zhù)將機器學(xué)習模型定制為設備的大多數預定硬件功能。
量化感知培訓流程圖。圖片來(lái)源:Courtesy of
Novac等人
為此,軟件流程包括獲取給定的機器學(xué)習模型,在所需的數據集上對其進(jìn)行訓練,然后將其縮小以適應邊緣設備的約束。這種模型縮放通常通過(guò)量化過(guò)程來(lái)完成,量化過(guò)程是降低模型權重和參數的精度以使它們消耗更少內存的過(guò)程。
通過(guò)這種方式,TinyML工程師可以采用大型機器學(xué)習模型,該模型旨在部署在更強大的設備上,并將其縮小以適應邊緣設備。nbsp;
正如SiMa.ai所看到的,這種工作流程的問(wèn)題在于,這些模型實(shí)際上并不是為邊緣而設計的,而是為邊緣而設計的。這在性能和靈活性方面受到限制,因為模型從未真正針對硬件進(jìn)行優(yōu)化,反之亦然。
SiMa的新SoC解決方案
為了解決這個(gè)問(wèn)題,SiMa.ai最近發(fā)布了他們的MLSoC平臺,這是一個(gè)“軟件優(yōu)先”的邊緣AI SoC。
MLSoC平臺基于16 nm工藝構建,是一種異構計算片上系統(SoC),集成了許多專(zhuān)用硬件模塊用于A(yíng)I加速。在這些硬件中,模塊包括SiMa.ai專(zhuān)有的機器學(xué)習加速器(MLA)。該公司表示,它以10 TOPS/W的速度為神經(jīng)網(wǎng)絡(luò )計算提供50 TOPS。
SoC的應用處理單元(APU)由四個(gè)1.15 GHz Arm Cortex-A65雙線(xiàn)程處理器組成。還有一個(gè)視頻編碼器和解碼器模塊以及一個(gè)計算機視覺(jué)單元(CVU),它由一個(gè)四核Synopsys ARC EV 74嵌入式視覺(jué)處理器組成。這些模塊由4 MB片內存儲器以及32位LPDDR 4 DRAM接口支持。更多信息可在MLSoC產(chǎn)品簡(jiǎn)介中找到。
MLSoC的框圖。圖片來(lái)源:Courtesy of
SiMa.ai
然而,除了硬件之外,SiMa.ai聲稱(chēng)其MLSoC平臺是獨一無(wú)二的,因為它是與其ML軟件工具鏈共同設計的。具體來(lái)說(shuō),該公司聲稱(chēng)其方法包括精心定義的中間表示以及新穎的編譯器優(yōu)化技術(shù),以支持廣泛的框架和網(wǎng)絡(luò )。
這些框架包括TensorFlow,PyTorch和ONNX等熱門(mén)框架,同時(shí)還聲稱(chēng)支持超過(guò)120個(gè)網(wǎng)絡(luò )。其想法是,通過(guò)使用MLSoC軟件工具鏈,工程師可以開(kāi)發(fā)專(zhuān)門(mén)針對MLSoC SoC的ML模型,從而提高設計靈活性、效率和性能。
重新構想TinyML的方法?
總的來(lái)說(shuō),該公司聲稱(chēng),他們的MLSoC平臺現在正在向客戶(hù)交付,與同類(lèi)競爭對手相比,可以在計算機視覺(jué)方面提供10倍的性能/功耗解決方案。為了支持這一點(diǎn),他們聲稱(chēng)在ResNet-50 v1上具有500 FPS/W的一流DNN推理效率,批量大小為1。nbsp;
憑借其獨特的軟件/硬件兼容性方法,www.example.com希望重新想象業(yè)界對TinyML的方法,并借此釋放前所未有的性能和效率。
審核編輯 黃宇
-
soc
+關(guān)注
關(guān)注
38文章
3808瀏覽量
216170 -
AI
+關(guān)注
關(guān)注
87文章
27203瀏覽量
264961 -
EDGE
+關(guān)注
關(guān)注
0文章
174瀏覽量
42471 -
ML
+關(guān)注
關(guān)注
0文章
140瀏覽量
34330
發(fā)布評論請先 登錄
相關(guān)推薦
通過(guò)無(wú)代碼方法開(kāi)發(fā)Edge AI和ML
![通過(guò)無(wú)代碼方法開(kāi)發(fā)<b class='flag-5'>Edge</b> <b class='flag-5'>AI</b>和ML](https://file1.elecfans.com/web2/M00/D0/99/wKgaomYiFv-ACD2zAAFjF3-gqmk273.png)
評論