EO_474

DIGITAL AI PROCESSORS dedicati alle applicazioni d’AI in generale nonché gli Arm Object Detection (OD) Processor specifici per l’e- laborazione visuale di oggetti o persone e per il rico- noscimento facciale. Secondo gli esperti Arm il Project Trillium ha l’obiettivo di realizzare computer eterogenei che non sono né CPU né GPU ma System-on-Chip con funzionalità di Neural Network (NN) specificatamente progettati per eseguire processi di calcolo neuronale programmabili con il TensorFlow inserito nell’apposito Arm NN SDK. Il nome Trillium sottolinea la potenza di calcolo con velocità che si misurano in trilioni di ope- razioni al secondo, o TeraOPS. Sono precisamente 4,6 TOPS per gli Arm ML che hanno un’efficienza superiore a 3 TOPS/Wmentre gli Arm OD elaborano in tempo reale i video FullHD a 60 frame al secondo. Gli Arm ML imple- mentano due core chiamati Fixed-function Engine e Pro- grammable Layer Engine funzionalmente diversi perché il primo esegue calcoli neuronali convoluzionali usan- do una rete CNN (Convolution Neural Network) con le connessioni appositamente disegnate per seguire le regioni di sovrapposizione del campo visivo ed essere particolarmente efficace nel riconoscimento d’immagini e video e perciò nell’apprendimento visuale. Il secondo core non è convoluzionale e serve per implementare operatori e funzioni matematiche programmabili e otti- mizzabili per le funzionalità di machine learning più ad alto livello da eseguire sulle elaborazioni effettuate dal primo core. È in questo core che si possono implemen- tare gli algoritmi di machine learning con funzionalità adatte al deep learning. La Network Control Unit gesti- sce entrambi i core e controlla gli spostamenti dati da e verso la memoria. Negli Arm OD c’è solo il primo core con il Fixed-function Engine ed è perciò utilizzabile nel L’innovativo Intel NNP Nervana concepito come una rete di elementi di calcolo in grado di eseguire il calcolo neuronale sulle matrici di grandi quantità di dati