Nyheder

Neurale netværksacceleratorer for Lattice FPGA'er

Begge er rettet mod implementering af neurale netværk i produkter til forbrugere og industrielle netværk. De er ikke egnede til netværksuddannelse, hvilket skal udføres andetsteds.

'Binarized neural Network (BNN) accelerator' understøtter 1bit-vægte, har 1bit-aktiveringskvantisering og er designet til at blive brugt sammen med firmaets iCE40 UltraPlus FPGA'er.

Kombinationen af ​​accelerator og FPGA er beregnet til applikationer, der altid er aktiveret, så som verbal nøglesætningsdetektion, ansigtsdetektion og objektdetektion.

Lattice-BNN-acceleratorForudsagte BNN + iCE40 UltraPlus-applikationsparametre er:

  • 1bit neuralt netværk
  • 1-10 mW aktivt forbrug
  • 5,5 mm2 fodaftryk
  • ~ $ 1 bom

Det andet produkt, 'convolutional neural network (CNN) accelerator', understøtter et valg af data om 1, 8 og 16bit til både vægt og aktivering, er rettet mod ECP5 FPGA'er - som generelt er beregnet til videobrug.

For at gemme FPGA-ressourcer kan forskellige ordbredder (1, 8 eller 16bit) blandes og matches i forskellige lag på det neurale net.

Denne kombination af accelerator og FPGA er beregnet til applikationer, der inkluderer ansigtssporing, objektsporing, registrering af hastighedstegn og objekttælling.

Lattice-CNN-accelerator

Forudsagte CNN + ECP5-applikationsparametre er:

  • 1, 8 eller 16bit netværk
  • <1W active consumption
  • 100 mm2 fodaftryk
  • ~ $ 10 bom

Til softwareudvikling introducerer firmaet en neurale netværkskompilator, der er kompatibel med både Caffe og TensorFlow netværkudviklingssystemer.

Ifølge Lattice marketingdirektør Deepak Boppana kræver compileren ingen tidligere RTL-oplevelser og vil også analysere og simulere design.

Planen er, sagde Boppana, at kompilatoren vil blive brugt sammen med firmaets Radiant-udviklingsmiljø til BNN + iCE40 UltraPlus-kombinationen eller dets Diamond-udviklingsmiljø til CNN + EC5P.

For kunder, der er usikre på, hvordan man udvikler en neural netværksbaseret applikation, har firmaet samarbejdet med designtjenester, herunder Colorado Engineering, Wipro, Softnautincs og VectorBlox.

Hardwareudviklingstavler er allerede tilgængelige til iCE40 UltraPlus og ECP5.

Brugen af ​​interfaceforbindelse og dataggregation forventes i IoT-applikationer med højt volumen, herunder smarte højttalere, overvågningskameraer, industrielle robotter og droner.

Der gives referencedesign til: ansigtsregistrering, nøglesætningsdetektion (iCE40 UltraPlus) og til EC5P: objekttælling, ansigtssporing og registrering af hastighedstegn.

Acceleratorerne er mærket 'sensAI'.