Компания BrainChip объявила о выпуске плат PCIe Akida AKD1000 (mini), основанных на одноименном нейроморфном процессоре компании и использующих импульсные нейронные сети (SNN), которые обеспечивают вывод в реальном времени гораздо более эффективным способом, чем «традиционные» чипы с поддержкой искусственного интеллекта, основанные на технологии CNN (сверточной нейронной сети).
Карта mini PCIe ранее использовалась в комплектах для разработки на базе Raspberry Pi или мини-ПК Intel (x86), чтобы позволить партнерам, крупным предприятиям и OEM-производителям оценить чип Akida AKD1000. Новость заключается в том, что карту можно легко приобрести поштучно или в количестве для интеграции в сторонние продукты.
Характеристики карты BrainChip AKD1000 PCIe:
- Ускоритель искусственного интеллекта — Akida AKD1000 с ядром реального времени Arm Cortex-M4 с частотой 300 МГц
- Системная память — 256 Мбит x 16 байт LPDDR4 SDRAM при 2400 МТ/с
- Хранилище — Quad SPI 128Mb NOR flash при 12.5 МГц
- Хост-интерфейс — 5GT/s PCI Express 2.0 x1-lane
- Встроенный монитор тока ядра Akida
- Разное — 2x пользовательских светодиода
- Размеры — 76 x 40 x 5,3 мм (без кронштейна задней панели PCIe)
- Вес — 15 грамм (без кронштейна задней панели PCIe)
Хотя на фото это не показано, в комплект входит кронштейн для ПК на задней панели. BrainChip заявляет, что предложит полные файлы компоновки дизайна PCIe и спецификацию (BOM) системным интеграторам и разработчикам, чтобы они могли создавать свои собственные проекты, внедряя AKD1000 в платы ускорителя искусственного интеллекта или в качестве сопроцессора на платах с хост-процессором. Создание, обучение и тестирование нейронных сетей осуществляется через среду разработки MetaTF, которая поддерживает Tensorflow и Keras для разработки и обучения нейронных сетей и включает в себя модельный зоопарк предварительно обученных моделей, а также инструменты для преобразования моделей CNN в модели SNN.
На этот раз компания не предоставила информацию о производительности, поэтому давайте воспользуемся сравнительной таблицей из последнего анонса.
Источник: BrainChip через EETimes.
На приведенной выше диаграмме в основном показана эффективность решения по сравнению с решениями CNN, но нет прямого сравнения с более распространенными эталонными тестами, такими как результаты MobileNet, выраженные в выводах в секунду или на ватт, что нам кажется немного подозрительным. Но тем не менее, это, безусловно, должно быть мощное решение, поскольку BrainChip говорит, что карта добавляет возможность выполнять обучение и обучение искусственному интеллекту на самом устройстве, независимо от облака (например, графических процессоров или карт-ускорителей ИИ в центрах обработки данных). Другими словами, должна быть возможность выполнять обучение с разумной скоростью на наборе для разработки Raspberry Pi CM4 от компании.
Плату BrainChip AKD1000 PCIe можно предварительно заказать уже сейчас за 499 долларов США с 8-недельным сроком поставки и ограничением в 10 штук на заказ, что должно быть временным, поскольку компания объявила о крупносерийном производстве.
Выражаем свою благодарность источнику из которого взята и переведена статья, сайту cnx-software.com.
Оригинал статьи вы можете прочитать здесь.