Akcelerátor neurónovej siete na báze FPGA prekonáva GPU

Bola demonštrovaná ako googleNet Inception-v1 CNN pomocou osembitového celočíselného rozlíšenia. Dosiahlo 16,8 terra operácií za sekundu (TOPS) a dokáže odvodiť viac ako 5 300 obrázkov za sekundu na Xilinx Virtex UltraScale + XCVU9P-3 fpga. Modulárny, škálovateľný prístup je vhodný pre aplikácie na detekciu objektov a spracovanie videa na okraji a v cloude, vysvetlil Fawcett, ako aj na odvodenie v dátových centrách a inteligentných kamerách.

DPU môže byť nakonfigurovaný tak, aby poskytoval optimálny výpočtový výkon pre topológie neurónovej siete v aplikáciách strojového učenia pomocou paralelnej DSP architektúry, distribuovanej pamäte a rekonfigurovateľnosti logiky a prepojiteľnosti pre rôzne algoritmy.

DPU dosahuje o 50% vyššiu výkonnosť ako akékoľvek konkurenčné CNN a prevyšuje výkonnosť GPU pri danom rozpočte na výkon alebo náklady, tvrdí spoločnosť. „Fpga je platforma a architektúra, ktorá porazila svet, ktorá je veľmi flexibilná pre budúcnosť a dokáže prekonať GPU v AI s nižšou latenciou,“ dodal Fawcett.

Spoločnosť tiež oznámila, že sponzoruje spoločnosť DPhil (PhD0 na Oxfordskej univerzite) s cieľom študovať techniky na implementáciu hlbokej akcelerácie učenia na fpgas. Práca bude v spolupráci s vlastným výskumom Omnitek v oblasti výpočtových motorov a algoritmov AI.