ເຄື່ອງເລັ່ງເຄືອຂ່າຍເສັ້ນປະສາດທີ່ອີງໃສ່ FPGA ດີກວ່າ GPUs

ມັນຖືກສະແດງໃຫ້ເຫັນເປັນ GoogLeNet Inception-v1 CNN, ໂດຍໃຊ້ຄວາມລະອຽດເລກເຕັມ 8-bit. ມັນສາມາດບັນລຸການປະຕິບັດງານຂອງ terra 16.8 ຕໍ່ວິນາທີ (TOPS) ແລະສາມາດ inference ຫຼາຍກວ່າ 5,300 ຮູບຕໍ່ວິນາທີໃນ Xilinx Virtex UltraScale + XCVU9P-3 fpga. ວິທີການແບບໂມດູນ, ສາມາດປັບຂະ ໜາດ ໄດ້, ເຮັດໃຫ້ມັນ ເໝາະ ສົມ ສຳ ລັບການຊອກຄົ້ນຫາວັດຖຸແລະການ ນຳ ໃຊ້ການປະມວນຜົນວິດີໂອຢູ່ຂອບແລະໃນເມກ, ໄດ້ອະທິບາຍກ່ຽວກັບ Fawcett, ພ້ອມທັງເພື່ອຄວາມສະດວກໃນສູນຂໍ້ມູນແລະກ້ອງຖ່າຍຮູບທີ່ສະຫຼາດ.

DPU ສາມາດໄດ້ຮັບການຕັ້ງຄ່າໃຫ້ການປະຕິບັດການ ຄຳ ນວນທີ່ດີທີ່ສຸດ ສຳ ລັບຊັ້ນສູງຂອງເຄືອຂ່າຍທາງ neural ໃນການ ນຳ ໃຊ້ເຄື່ອງຮຽນ, ນຳ ໃຊ້ສະຖາປັດຕະຍະ ກຳ ແບບ DSP ຂະຫນານ, ຄວາມ ຈຳ ທີ່ແຈກຢາຍແລະການ ກຳ ນົດຄືນ ໃໝ່ ຂອງເຫດຜົນແລະການເຊື່ອມຕໍ່ ສຳ ລັບວິທີຄິດໄລ່ທີ່ແຕກຕ່າງກັນ.

ບໍລິສັດອ້າງວ່າ DPU ສາມາດປະສົບຜົນ ສຳ ເລັດສູງກວ່າ 50% ທຽບກັບ CNN ທີ່ມີການແຂ່ງຂັນແລະ GPUs ທີ່ບໍ່ປະຕິບັດງານ ສຳ ລັບພະລັງງານຫລືງົບປະມານທີ່ມີຄ່າໃຊ້ຈ່າຍ. ທ່ານ Fawcett ກ່າວຕື່ມວ່າ "fpga ແມ່ນແພລະຕະຟອມແລະສະຖາປັດຕະຍະ ກຳ ທີ່ໂດດເດັ່ນໃນໂລກ, ເຊິ່ງມີຄວາມຍືດຫຍຸ່ນຫຼາຍ ສຳ ລັບການພິສູດໃນອະນາຄົດແລະສາມາດເກັ່ງກວ່າ GPUs ໃນ AI, ດ້ວຍຄວາມຕ່ ຳ ຕ້ອຍ,".

ບໍລິສັດຍັງໄດ້ປະກາດວ່າຕົນ ກຳ ລັງສະ ໜັບ ສະ ໜູນ DPhil (PhD0 ທີ່ມະຫາວິທະຍາໄລ Oxford ເພື່ອສຶກສາເຕັກນິກຕ່າງໆ ສຳ ລັບການປະຕິບັດການເລັ່ງການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງໃນ fpgas.