Arm Project Trillium具擴充性、應用面廣的機器學習運算平台

2018年02月22日 星期四
【科技日報報導】

Arm推出Project Trillium平台,為包含全新可高度擴充處理器的Arm IP套件,提供強化的機器學習(ML)與神經網路(neural network;NN)功能。目前技術聚焦於行動市場,將讓全新等級搭載機器學習功能的裝置具有先進的運算能力,包括最尖端的物件偵測功能。

�s�i

Arm IP產品事業部總裁Rene Haas表示:「隨著人工智慧快速導入終端裝置,對於強調大量運算需求的同時也能維持同樣能源效率的創新需求激增。因應這樣的需求,Arm宣布推出了全新機器學習平台Project Trillium。新的裝置將需要這些全新處理器所提供的高效能機器學習與人工智慧能力。結合我們的平台提供的高度彈性與擴充性,我們的合作夥伴將可針對各式各樣的裝置,將可能性推進至前所未有的新境界。」

現今的機器學習技術往往聚焦於特定等級的裝置或是針對個別應用的需求,而Arm的Project Trillium藉由提供極致的擴充性改變現況。初期推出焦點將放在行動處理器上,未來Arm的機器學習產品將提供往效能曲線高低兩端移動的能力,包含從感測器、智慧揚聲器到行動與家庭娛樂以及更多的裝置。

Arm全新的機器學習與物件偵測處理器相較於獨立CPU、GPU與加速器,不僅大幅提升效率,其效能並遠遠超越傳統DSP的可編程邏輯。

Arm機器學習處理器專為機器學習重新打造,其基於可高度擴充的Arm機器學習架構,能為機器學習應用達到最高的效能與效率,針對行動運算,此處理器提供每秒超過4.6兆次運算。透過智慧資料管理,每秒兆次運算(TOPs)在現實使用情況下的有效處理量可進一步提升二至四倍。在溫度與成本限制較多的環境下以每瓦每秒超過三兆次運算(TOPs/W)提供無與倫比的效能與效率。

Arm物件偵測處理器專為有效辨識人物與其它物件而設計,每幀可辨識的物件量幾乎沒有限制,Full HD即時偵測處理達每秒60幀。與傳統DSP相比,效能最高可達80倍;而與先前Arm技術比較,偵測的品質也顯著改善。

Arm機器學習與物件偵測處理器結合後表現更佳,提供高效能、具能源效率的人物偵測與辨識的解決方案。使用者將能在智慧裝置上享受高解析度、即時、高細節的人臉辨識,且電池的耗電量更低。

Arm 神經網路軟體搭配Arm Compute Library及CMSIS-NN一起使用時,能針對神經網路優化,並完整了在TensorFlow、Caffe與Android NN等神經網路框架和全系列Arm Cortex CPU、Arm Mali GPU與機器學習處理器之間的連結。開發人員得以充份運用Arm硬體的基本能力與效能,發揮機器學習應用的最高效能表現。


關鍵字: 機器學習   神經網路   arm