Ez egy GoogLeNet Inception-v1 CNN volt, nyolc bites egész felbontás felhasználásával. Ez másodpercenként 16,8 területi műveletet (TOPS) ért el, és másodpercenként több mint 5300 képet vonhat le a Xilinx Virtex UltraScale + XCVU9P-3 fpga segítségével. A moduláris, skálázható megközelítés alkalmassá teszi tárgyak érzékelésére és videófeldolgozásra a szélén és a felhőben - magyarázta Fawcett, valamint az adatközpontokban és az intelligens kamerákban történő következtetéshez.

A DPU úgy konfigurálható, hogy optimális számítási teljesítményt biztosítson az ideghálózati topológiákhoz gépi tanulási alkalmazásokban, a párhuzamos DSP architektúra, az elosztott memória, valamint a logika és a kapcsolat konfigurálhatóságának a segítségével különböző algoritmusokhoz.

A DPU több mint 50% -kal nagyobb teljesítményt ér el, mint bármelyik versengő CNN, és egy adott energia- vagy költségkeretért GPU-kat hajt végre, állítja a cég. "Az fpga egy világhírű platform és architektúra, amely nagyon rugalmas a jövőbiztosság szempontjából, és alacsonyabb késleltetési idővel képes felülmúlni az AI-n belüli GPU-kat" - tette hozzá Fawcett.

A társaság azt is bejelentette, hogy támogatja a DPhil-t (PhD0 az Oxfordi Egyetemen, hogy tanulmányozza a mély tanulási gyorsítás megvalósításának módszereit az fpgas-on. A munka az Omnitek saját AI számítási motorok és algoritmusok kutatásával együtt fog működni).