登录注册   忘记密码

边缘处的电池供电AI有助于减小IoT的数据杂乱

在微控制器领域,将机器学习人工智能(AI)引入网络边缘的努力正风起云涌。但是运行算法(如卷积神经网络,CNN)的计算需求对功率要求相当高。


在微控制器领域,将机器学习人工智能(AI)引入网络边缘的努力正风起云涌。但是运行算法(如卷积神经网络,CNN)的计算需求对功率要求相当高。无晶圆厂半导体供应商GreenWaves Technologies发布了一款新处理器来回应这一要求,该处理器将AI应用于传感器读数,以帮助析取数据,减少数据的传送流量。


日前,GreenWaves发布了其GAP8应用处理器,这是款针对视频和音频处理算法以及CNN优化的八核计算集群。该处理器还具有专用于通信、控制和传感器数据预分析的内核。该器件的目标应用包括:目标和人脸检测、振动分析及音频数据流中的关键词识别。GAP8基于开放的RISC-V架构,是欧洲并行超低功耗计划(PULP)的一部分,旨在提高电池供电物联网应用(如感知)的边缘处理性能。


GreenWaves公司业务发展副总裁Martin Croome在接受采访时表示,在边缘拥有AI能力的好处,在于能够显著减少设备和云服务之间的数据流量。AI允许边缘设备对其收集的数据进行分类,并仅发送分类结果,而不是原始数据。例如,在人数统计应用中,使物联网摄像头能够将人与现场视野中的其他对象区分开来,就可以无需将视频信息发送到云端。相反,设备只需发送它统计的人数,从而将数据速率从每秒几千字节降低到每天几个字节。同样,只需少量命令字的简单语音控制应用,几乎可以完全在GAP8等边缘器件的处理能力范围内运行。

1131d31c-e06f-453f-8259-a91df55ab428.png

图:Gapuino开发板将提供一个机会,使用GAP8处理器在边缘快速开始与AI携手。(图片来源:GreenWaves Technology)


该处理器的架构采用共享指令缓存(SIMD),可支持九个相同的处理器内核。一个核用作结构控制器,并激活其他八个核以根据需要提供并行处理。控制器能够协调所产生的操作,因此每个核可以独立运行任务直至完成,然后让控制器汇集结果以供下一条指令使用。Croome估计,就完成AI功能来说,其实现的处理性能比传统的DSP高出近20倍。


由于GAP8及其支持的软件和开发工具建立在开放平台上,因此实现这种水平性能的成本可能非常低。不涉及版税或许可费用,该公司的开发投资只花费在其可以增值的地方而不是构建基础。因此,该公司预计,该芯片以100K的量出货时,单价为5美元。进而,该公司估计,采用成本低于15美元的硬件,就可以实现消费类机器人的机器视觉和语音控制。


该处理器的软件开发套件(SDK)从2017年12月开始提供,而GreenWaves将在今年4月推出一款开发板——Gapuino(见图),从而使开发人员能够快速开始产品开发。该SDK支持多种实时操作系统(包括mBed),并包含一个自动拼接器(auto-tiler)来帮助并行处理应用代码和数据流。它还提供一个用于常见AI算法(如CNN)的代码生成器,以及用于将TensorFlow(用于人工智能的开源软件库)AI描述桥接到Gap的软件。基础开发板的预订价格为100欧元,并且提供传感器接口和图像插件扩展板。

您的评论:

0

用户评价

  • 暂无评论