MENU

ARM lance deux processeurs d’apprentissage automatique

ARM lance deux processeurs d’apprentissage automatique

Technologies |
Par eeNews Europe



Les processeurs sont l’ARM ML ( ML pour machine learning) et l’ ARM OD avec OD pour la détection d’objets. Ces appareils permettront des trillions d’opérations par seconde et sont destinés à être utilisés sur des périphériques tels que les téléphones portables. ARM affirme que le processeur ML est la «solution la plus efficace pour développer des réseaux de neurones».

L’ARM ML comprend des unités de calcul (engine) à fonction fixe et des unités de calcul à couches programmables pour des opérations primitives sélectionnées, tout en permettant l’innovation et des algorithmes futurs. Une unité de contrôle de réseau gère l’exécution globale du réseau neuronal et une unité DMA déplace les données dans et hors de la mémoire principale. La mémoire intégrée permet un stockage centralisé pour les poids et les cartes de fonctions, réduisant ainsi le trafic vers la mémoire externe et, par conséquent, la puissance.

 

ARM ne donne pas encore beaucoup de détails dans la description de son processeur ML. Source: ARM

La performance serait supérieure à 4.6TOPS dans des environnements mobiles avec une efficacité de 3TOPS par watt. Il est également dit fournir un efficacité massivement supérieure aux processeurs,CPU, GPU, DSP et accélérateurs. »

Cependant, bien que la conception soit destinée à une implémentation en géométrie avancée, ARM n’indique pas si l’IP a déjà été donnée en licence à ses partenaires. De plus, ARM n’indique pas plus précisément la nature des unités de calcul programmables et à fonction fixe ni quelles types de données sont supportées.

 

A suivre: OD


Le processeur ML peut être utilisé seul, mais peut également être utilisé avec le processeur OD, qui est présenté comme la deuxième génération de processeur de détection d’objet d’ARM. Il est conçu pour fonctionner avec des champs 2D et avec des champs visuels en particulier.

Le processeur OD analyse chaque image à 60 fps et fournit une liste des objets détectés, ainsi que leur emplacement dans la scène. Les OD détectent les formes humaines, les visages, les têtes et les épaules, et peuvent même déterminer la direction de chaque personne. Les tailles d’objet détectées peuvent être aussi petites que 50 par 60 pixels.

ARM affirme que le processeur OD offre 80 fois les performances d’un processeur DSP traditionnel et une amélioration significative de la qualité de détection par rapport aux technologies précédentes.

Le processeur OD est destiné à être utilisé comme pré-processeur pour détecter les régions d’intérêt – et en particulier les personnes d’intérêt – et il peut être utilisé avec les CPU ARM Cortex, les GPU Mali et le processeur ML.

Les processeurs ML et OD peuvent être déployés ensemble ou séparément, mais ils peuvent également utiliser le logiciel ARM NN et la bibliothèque ARM Compute (voir ARM’s soft launch for machine learning library).

 

Feuille de route pour le logiciel ARM NN qui relie TensorFlow, Caffe etc. à divers processeurs. Source: ARM
 

Le logiciel ARM NN (Neural Network) associé à ARM Compute Library et CMSIS-NN, est optimisé pour les NNs et comble le fossé entre les frameworks NNs tels que TensorFlow, Caffe et Android NN et la gamme complète de processeurs Cortex, GPU Mali et processeurs ML.

Jem Davies, directeur général de l’activité d’apprentissage automatique chez ARM, a déclaré que l’avènement de l’apprentissage automatique représente «le plus grand point d’inflexion de l’informatique depuis plus d’une génération». Il a ajouté que cela sera fait à la périphérie plutôt que dans les centres de données, dans la mesure du possible, pour des raisons d’efficacité énergétique, de latence, de sécurité-criticité, d’économie et de confidentialité.

ARM a ajouté que les futurs produits ML permettront aux développeurs de choisir leur point idéal sur une courbe de performance allant des capteurs et haut-parleurs intelligents, au mobile, au divertissement à domicile, et bien plus encore.

ARM a déclaré que la suite IP d’apprentissage automatique d’ARM sera prête pour une disponibilité générale à la mi-2018.

www.arm.com

Machine Learning Developer Portal

La rédaction vous conseille aussi:

Daimler teste l’IA automobile sur 5 continents

Quand l’IA s’aventure dans le labyrinthe de la cyber-sécurité

5G, IIoT : le rapport NI Trend Watch explore les tendances de l’industrie pour 2018

 

Related News articles in English:

Thoughts on Jem Davies leading ARM’s machine learning group

ARM has R&D interest in neural network cores

ARM’s soft launch for machine learning library

ARM acquires ChaoLogix for security reasons

 

Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :    ECI sur Google News

Partager:

Articles liés
10s