35 / 86
NEURAL NETWORKS
TECH-FOCUS
35
- ELETTRONICA OGGI 455 - GIUGNO/LUGLIO 2016
Il chip Quark SE di Intel utilizza
una tecnologia messa a punto da
NeuroMem, che fra l’altro dispo-
ne di un proprio core di “Pattern
Matching and Learning Accele-
rator” denominato CM1K. Questo
chip integra 1024 neuroni, basati
su 256 byte di SRAM e da logica
programmabile che confronta il
pattern in entrata con quello di
riferimento, a una velocità di 192
gigaoperazioni al secondo.
Vari ambiti di ricerca
Al di là dei chip specifici, vi sono
varie entità che operano nel
settore delle architetture brain-
inspired, come ad esempio il
gruppo APT dell’
università di
Manchester
, che lavora – assie-
me ad ARM e a molte altre uni-
versità – al progetto SpiNNaker
(Spiking Neural Network Archi-
tecture). L’obiettivo è quello di
realizzare un’architettura di tipo
innovativo, basata su di chip
multi-core realizzati ad hoc.
Queste ricerche vengono realiz-
zate nell’ambito del programma
di ricerca europeo denominato
Human Brain Project, che suc-
cede al precedente progetto di
L
E PIÙ RECENTI NOVITÀ
Alessandro Nobile
Al recente
CDN Live Cadence
ha introdotto il nuovo Dsp
Tensilica
Vision P6, un di-
spositivo espressamente ideatoper espletare compiti di “visionprocessing” e “depp
learing”, due delle aree applicative più interessanti per le reti neurali.
Nuove istruzioni, maggiore capacità computazionale e altre migliorie stabiliscono
un nuovo standard nei parametri di riferimento delle applicazioni di imaging e di
visione artificiale, aumentando le prestazioni fino a 4 volte rispetto al DSP Tensilica
Vision P5.
Il nuovo Tensilica Vision P6 DSP quadruplica le prestazioni multiply-accumulate
(MAC) disponibili, responsabili di oltre il 95 per cento del carico di lavoro dellamag-
gior parte delle ap-
plicazioni CNN (reti
neurali convoluzio-
nali). Rispetto alle
GPU attualmente
in commercio, in
una tipica imple-
mentazione di rete
neurale il DSP Ten-
silica Vision P6 può
raggiungere delle
velocità di frame
doppie a fronte
di un consumo di
energia molto in-
feriore. Ideale per
una gamma ampia
e diversificata di
funzioni di visione (ad esempio convoluzioni, filtri FIR e moltiplicazione matriciali
e così via), il DSP Tensilica Vision P6 offre prestazioni fino a 4 volte superiori grazie
alle migliorate capacità aritmetiche a 8-bit e 16-bit. Il DSP Tensilica Vision P6 condi-
vide, migliorandola, l’architettura del DSP leader di mercato Vision P5, attualmente
integrato nei processori per applicazioni di telefonia mobile offerti da due dei prin-
cipali fornitori del settore. Compatibile con il DSP Vision P5, il nuovo DSP Vision P6
offre un’unità opzionale in virgola mobile vettoriale SMD a 32-way conforme allo
standard half precision IEEE (FP16). Le prestazioni in virgola mobile raddoppiano
rispetto a quelle della versione Vision P5, facilitando l’utilizzo delle esistenti imple-
mentazioni di reti neurali floating-point.
Il DSP Tensilica Vision P6 può contare su una tool chain di sviluppo completa con
compilatore C ad autovettorizzazione. L’ambiente software garantisce inoltre il to-
tale supportodelle librerie standardOpenCV eOpenVX che, conoltre 1000 funzioni,
permette una rapida migrazione delle applicazioni di imaging/visione esistenti.
Un SDK per reti neurali
Qualcomm
, dal canto suo, ha di recente proposto un Sdk (Software Development
Kit) da utilizzare con i propri processori della linea Snapdragon. Il nuovo Snapdra-
gon Neural procesing Engine supporta le strutture dei modelli di deep learning tra
cui Caffe e CudaConvNet. Obbiettivo di questo SDK è permettere alle aziende ope-
ranti nei più svariati settori – sanitario, automobilistico, della sicurezza e dell’im-
magine – di far girare modelli di reti neurali su dispositivi portatili. Alcuni task di
“deep learning” che possono essere impostati con questo Sdk comprendono il ri-
levamento delle scene, il riconoscimento di testi, la possibilità di rilevare o evitare
oggetti, il riconoscimento del viso e molti altri ancora.
Schema a blocchi del nuovo Dsp Tensilica Vision P6 ottimizzato
per applicazioni nel campo delle reti neurali
Fig. 9 – Il chip Quark SE è utilizzato nei
computer-module open-source Edison