Плата BrainChip AKD1000 PCIe стоимостью 499 долларов США позволяет делать выводы и обучать искусственному интеллекту на периферии


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.

Операции MAC, необходимые для вывода о классификации объектов: темно-синий — это CNN в домене, не связанном с событиями, светло-синий — это домен событий/Akida, зеленый — домен событий с дальнейшей регуляризацией активности. 
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.

0 0 vote
Article Rating
Подписаться
Уведомление о
guest

Этот сайт использует Akismet для борьбы со спамом. Узнайте, как обрабатываются ваши данные комментариев.

0 Комментарий
Inline Feedbacks
View all comments