Llegamos a ustedes gracias a:



Noticias

Synopsys presenta embARC

La nueva biblioteca de software de Machine Learning Inference para redes neuronales con ahorro de energía.

[28/03/2019] Synopsys, Inc. anunció la disponibilidad de embARC, la nueva biblioteca de software de Machine Learning Inference para facilitar el desarrollo de diseños SoC (system on chip) de redes neuronales de bajo consumo de energía que incorporan DesignWare ARC EM y HS DSP Processor de Synopsys.

"embARC, la biblioteca de software de Machine Learning Inference (MLI), ofrece a los desarrolladores funciones optimizadas para implementar tipos de capas de redes neuronales, lo que reduce significativamente los recuentos de los ciclos del procesador para aplicaciones que requieren poca energía y área, como la detección de la voz, reconocimiento de la voz y procesamiento de datos de sensores. La biblioteca de software MLI embARC está disponible a través de embARC.org, un sitio web dedicado que brinda a los desarrolladores de software acceso centralizado a software, controladores, sistemas operativos y middleware libres y de código abierto que soportan procesadores ARC, afirmó John Koeter, vicepresidente de marketing para IP en Synopsys.

Agregó que, embARC, la biblioteca de software MLI, soporta los procesadores ARC EMxD y HS4xD y proporciona un conjunto de núcleos esenciales para la inferencia efectiva de modelos de aprendizaje automático de tamaño pequeño o mediano. "Permite la implementación eficiente de operaciones como circunvoluciones, celdas LSTM (long short-term memory), agrupación, funciones de activación como rectified linear units (ReLU) y operaciones de enrutamiento de datos, incluidos el padding, la transposición y la concatenación, al tiempo que reduce el uso de la energía y la memoria, indicó Koeter.

Como ejemplo, explicó el ejecutivo, los benchmarks de redes neuronales de bajo consumo, como CIFAR-10 que se ejecutan en un procesador ARC EM9D, pueden lograr una reducción de hasta cuatro veces en el conteo de ciclos en comparación con los procesadores de la competencia de la misma clase. Además, la biblioteca MLI proporciona una mejora promedio de 3 a 5 veces en el desempeño en una amplia gama de capas de redes neuronales, como la circunvolución 2D profunda, totalmente conectadas, las células RNN básicas y las células LSTM con un aumento de rendimiento máximo de hasta 16 veces para las capas de circunvolución 2D.

"El consumo de energía y el área son consideraciones críticas para la funcionalidad de aprendizaje automático integrado en dispositivos de borde. Al permitir que amplias clases de redes neuronales se ejecuten en procesadores ARC EM y HS DSP de bajo consumo de energía, Synopsys está ampliando el conjunto de procesadores ARC que los desarrolladores pueden elegir para crear sus diseños de IA eficientes en energía, agregó Koeter.