新时代高科技不计其数越来越发达,小伙伴们看过不少科技新闻吧,在我们生活中应该也用到很多这些高科技东西,有哪些小伙伴值的关注的呢,今天就跟大家分享一篇有关科技方面知识,希望大家会喜欢。
该公司所做的就是将自定义的CNN处理硬件与常规的100MHz Arm Cortex-M4F核一起放置-4F是浮点M4-并挤压了60MHz 32Bit Risc-V核用于低功率信号处理的额外惊喜–所有这些都在Maxim达尔文家族的一部分称为MAX78000的芯片上进行。
MAX78000模块与在Cortex-M4F上运行给定的CNN相比,该公司声称其自定义神经网络处理器在MNIST基准上的能耗降低了1100倍,而在关键词发现时的能耗却降低了600倍。最重要的是,与96MHx Cortex-M4F相比,它声称MNIST的速度提高了400倍,关键字定位速度提高了200倍。
“整个神经网络加速器是专门为AI处理而设计的,”微控制器的格言总监Kris Ardis告诉《电子周刊》。“特别是,我们试图真正帮助卷积神经网络平稳运行。硬件支持1D和2D卷积,激活功能– ReLU,Abs,池化等等。启动后,加速器将独立于微控制器内核运行–除了配置网络和加载数据外,不涉及ARM和RISC-V内核。CNN加速器是一种状态机,它将自行执行神经网络,而绝不是微控制器的扩展。它是芯片的很大一部分,并且是高度优化的硬件引擎,旨在以尽可能少的能量执行网络。”
神经网络加速器提供:
442,000 8bit权重容量,权重为1、2、4或8bit –因此350万1bit权重
每层重量长度选择
可编程输入图像尺寸最大为1,024 x 1,024像素
可编程的网络深度为64层
每层网络宽度可编程,最多1,024个通道
一维和二维卷积处理
流媒体模式
支持其他网络,包括MLP(多层感知器)和递归神经网络
该公司表示:“ CNN重量存储器基于sram,因此可以实时进行AI网络更新。” “ CNN引擎还具有512kbyte的数据存储器,该架构非常灵活,可以使用常规工具集(如PyTorch和TensorFlow)对网络进行训练,然后使用Maxim提供的工具对其进行转换以在MAX78000上执行。”