Lattice Blog

Share:

莱迪思参加Linley Fall Processor Conference,持续引领网络边缘超低功耗AI

Lattice Extends the Lead in Ultra Low Power at the Edge at Linley Fall Processor Conference
Posted 11/08/2019 by Hussein Osman

Posted in

最近,莱迪思赞助了The Linley Fall Processor Conference。今年的会议重点讨论了最新的处理器和系统技术,用于实现各类AI应用,包括基于云端分析的数据中心和网络边缘运行的数十亿AI客户端设备。

这为莱迪思提供了绝佳的机会分享Lattice sensAI™这款屡获殊荣的解决方案的最新进展,帮助实现功耗极低的下一代智能设备。Hoon Choi作为莱迪思首席工程师领导了在FPGA上实现机器学习和相关解决方案的开发,他在会上发表了名为《在小型低功耗FGPA上的机器学习》的演讲,其中就包括了我们最近推出的sensAI增强特性以及全新和更新的参考设计的相关信息,旨在更方便地支持低功耗网络边缘AI应用。

Hoon Choi discusses low power Edge AI and Lattice sensAI at The Linley Fall Processor Conference

Hoon Choi在Linley Fall Processor Conference上探讨低功耗网络边缘AI和莱迪思sensAI

莱迪思sensAI解决方案集合的最新增强特性包括支持更深度的量化,从而充分利用莱迪思的iCE40 UltraPlus™ FPGA的内部存储器。这让客户可以将其神经网络模型大小加倍,获得更准确的AI性能。

Support for 8-bit quantization during training yields better accuracy during NN model training

在训练过程中支持8位量化可在神经网络模型训练过程中实现更高的精度

此外,在莱迪思ECP5™ FPGA上运行的sensAI现在支持MobileNet和ResNet神经网络模型中使用的层,这些网络层可以处理更高分辨率的图像,从而在不增加FPGA功耗的情况下提供更准确的AI性能。

然而,sensAI解决方案此次更新最令人激动的地方在于它新增及优化了用于快速实现网络边缘常见AI应用的参考设计。这些应用让sensAI的开发人员可以轻松为关键词检测或人脸识别赋予更强大的特性:

  • 强化的关键词检测参考设计——该参考设计让客户能够重新训练神经网络模型,从而根据现场需要识别新的关键词或短语,无须因为新的触发词而重新开发和许可。

    Enhanced key phrase detection

  • 强化的人脸识别参考设计——基于sensAI的网络边缘设备除了可以检测人脸之外,还可以识别特定的注册用户。新的注册用户可以添加到面部识别应用中,而无需重新训练设备的整个神经网络,大大节省了系统设计时间和成本。

    Enhanced human face recognition

了解更多

Share:

Like most websites, we use cookies and similar technologies to enhance your user experience. We also allow third parties to place cookies on our website. By continuing to use this website you consent to the use of cookies as described in our Cookie Policy.