Компания Arm представила семейство NPU Ethos, графический процессор Mali-G57 и дисплейный процессор Mali-D37

Компания Arm представила четыре новых IP-решения, наиболее интересным из которых является семейство NPU Ethos-N57 и Ethos-N37, а также компания анонсировала новый Arm Mali-G57 GPU, это первый графический процессор Valhall, и Arm Mali-D37 DPU (дисплейный процессор) для дисплеев с разрешением full HD и 2K. Читать далее «Компания Arm представила семейство NPU Ethos, графический процессор Mali-G57 и дисплейный процессор Mali-D37»

Компания Intrinsyc представила Open-Q 845 µSOM и комплект для разработки Snapdragon 845 Mini-ITX

В прошлом году компания Intrinsyc представила первую аппаратную платформу для разработки Qualcomm Snapdragon 845 со своим Open-Q 845 HDK, которая предназначена для производителей OEM продуктов и устройств.

Теперь компания анонсировала решение для встраиваемых систем и продуктов Интернета вещей (IoT) с микро системой на модуле (µSOM) Open-Q 845, которая основана на базе восьмиядерного процессора Snapdragon 845, а также полный комплект для разработки с модулем и несущей платой в форм-факторе Mini-ITX. Читать далее «Компания Intrinsyc представила Open-Q 845 µSOM и комплект для разработки Snapdragon 845 Mini-ITX»

Нейроморфный процессор Intel Loihi масштабируется до 8М нейронов, 64 ядер

Компания Intel объявила о значительном улучшении своего нейроморфного исследовательского процессора под названием Loihi. В настоящее время компания расширила свою реализацию Loihi до 64-процессорного уровня, что позволило ей создать систему с более чем 8 млн нейронов (8,3 млн). Эта новая конфигурация (под названием Pohoiki Beach) обеспечивает в 1000 раз лучшую производительность, чем обычные процессоры в таких сферах применения, как разреженное кодирование, поиск в графе и проблемы удовлетворения ограничений. Intel утверждает, что новый Pohoiki Beach обеспечивает повышение энергоэффективности в 10 000 раз по сравнению с традиционными архитектурами ЦП в подобных тестах.

Читать далее «Нейроморфный процессор Intel Loihi масштабируется до 8М нейронов, 64 ядер»

Плата Sparkfun Edge, стоимостью 15 долларов США, обеспечивает поддержку Tensorflow Lite для микроконтроллеров

В эти дни проходит TensorFlow Dev Summit 2019, и мы уже рассказывали о выпуске компанией Google платы для разработки Coral Edge TPU и USB-ускорителя с поддержкой TensorFlow Lite, но, во время мероприятия, была представлена еще одна интересная новая разработка — TensorFlow Lite теперь также поддерживается микроконтроллерами (MCU), вместо более мощных прикладных процессоров.

С платой разработки SparkFun Edge на базе Ambiq Micro Apollo3 Blue Bluetooth MCU, чье ультра-эффективное ядро ​​Arm Cortex-M4F может работать с TensorFlow Lite, используя только 6 мкА/МГц, вы легко сможете начать работу с Tensorflow Lite для MCU.

Читать далее «Плата Sparkfun Edge, стоимостью 15 долларов США, обеспечивает поддержку Tensorflow Lite для микроконтроллеров»

Компания Google запустила в продажу USB-ускоритель на базе Edge TPU и плату для разработки

В последние годы было запущено несколько ускорителей нейронных сетей с низким энергопотреблением для ускорения рабочих нагрузок искусственного интеллекта, таких как распознавание объектов и обработки речи. Последние анонсы включают в себя USB-устройства, такие как Intel Neural Compute Stick 2 или Orange Pi AI Stick2801.

Прошлым летом компания Google анонсировала свой собственный ускоритель Edge TPU ML, плату для разработки и USB ускоритель. Хорошая новость заключается в том, что USB-ускоритель, который оснащен Edge TPU и плата для разработки Coral будут запущены в продажу в ближайшие дни, соответственно за $74.99 и $149.99. Читать далее «Компания Google запустила в продажу USB-ускоритель на базе Edge TPU и плату для разработки»

Arm Helium обеспечивает 15-кратное повышение производительности для машинного обучения на микроконтроллерах Cortex-M

Компания Arm представила архитектуру Armv8.1-M, ​​которая добавляет технологию Arm Helium, M-Profile Vector Extension (MVE) для ядер Arm Cortex-M, улучшающая вычислительную производительность микроконтроллеров на базе Cortex-M.

Helium обеспечит в 15 раз более высокую производительность машинного обучения (ML) и до 5 раз повышает эффективность обработки сигналов, позволяя принимать локальные решения на встроенных устройствах с низким энергопотреблением.

Читать далее «Arm Helium обеспечивает 15-кратное повышение производительности для машинного обучения на микроконтроллерах Cortex-M»

Особенности платы для разработки 96Boards AI Sophon Edge с SoC Bitmain BM1880 ASIC

Компания Bitmain специализируется на криптовалюте, блокчейне и искусственном интеллекте (ИИ), теперь она присоединилась к Linaro и анонсировала свою первую платформу 96Boards AI с участием ASIC: плата для разработки Sophon BM1880 Edge, которую также часто называют “Sophon Edge”.

Плата соответствует спецификациям 96Boards CE и включает в себя два Arm ядра Cortex-A53, Bitmain Sophon Edge TPU, который обеспечивает 1 TOPS производительности на 8-бит целочисленных операциях, USB 3.0 и гигабитный Ethernet. Читать далее «Особенности платы для разработки 96Boards AI Sophon Edge с SoC Bitmain BM1880 ASIC»

Алгоритм Bonsai позволяет применять методы машинного обучения на аппаратной платформе Arduino с объемом памяти 2 КБ

Раньше машинное обучение выполнялось в облаке, затем часть полученных выводов перемещалась на граничное устройство, и мы даже видели, что микроконтроллеры способны распознавать изображения с помощью микроконтроллера GAP8 RISC-V .

Но, не так давно мы столкнулись с техническим документом «Ресурсоэффективное машинное обучение на устройствах с 2 КБ оперативной памяти для Интернета вещей», в котором показано, как можно выполнять такие задачи с очень небольшим количеством ресурсов.

Читать далее «Алгоритм Bonsai позволяет применять методы машинного обучения на аппаратной платформе Arduino с объемом памяти 2 КБ»