東芝電子元件及存儲裝置株式會社（“東芝”）今日宣布成功開發(fā)出一款汽車應用圖像識別系統(tǒng)級芯片(SoC)，與東芝上一代產(chǎn)品相比，該產(chǎn)品使深度學習加速器的速度提升10倍，功率效率提高4倍[1]。該技術成果的詳情于2月19日在舊金山舉行的2019 IEEE國際固態(tài)電路會議(ISSCC)上公諸于眾。
自動緊急剎車等先進駕駛員輔助系統(tǒng)可提供越來越先進的功能，但實現(xiàn)這些功能需要圖像識別系統(tǒng)級芯片在低功耗條件下高速識別道路交通信號和路況。
深度神經(jīng)網(wǎng)絡(DNN)是模仿大腦神經(jīng)網(wǎng)絡的算法，與傳統(tǒng)模式識別和機器學習相比，DNN的識別處理精度要高得多，預計將會在汽車應用領域得到廣泛應用。而采用傳統(tǒng)處理器的DNN圖像識別耗時較長，因為它依賴大量的乘積累加(MAC)計算。同時，采用傳統(tǒng)高速處理器的DNN還存在功耗過高問題。
東芝利用可在硬件上實現(xiàn)深度學習的DNN加速器解決了這一難題。它具有三大特點。
- 并行MAC單元。DNN處理需要大量MAC計算。東芝的新設備配有四個處理器，每個處理器包含256個MAC單元。因此提高了DNN的處理速度。
- 減少了動態(tài)隨機存取存儲器(DRAM)存取。傳統(tǒng)的系統(tǒng)級芯片沒有本地內(nèi)存，無法在靠近DNN執(zhí)行單元的位置保存臨時數(shù)據(jù)，并且在訪問本地內(nèi)存時產(chǎn)生較大功耗。同時，加載用于MAC計算的加權數(shù)據(jù)也會產(chǎn)生較大功耗。東芝新設備可在DNN執(zhí)行單元附近執(zhí)行靜態(tài)隨機存取存儲器(SRAM)，并將DNN處理分為多個子處理塊，因此可將臨時數(shù)據(jù)保存在SRAM內(nèi)，從而減少了DRAM存取。此外，東芝還在加速器上增加了一個解壓縮單元�？赏ㄟ^解壓縮單元加載預先壓縮并存儲在DRAM中的加權數(shù)據(jù)。因此，降低了加載來自DRAM的加權數(shù)據(jù)時產(chǎn)生的功耗。
- 減少了SRAM存取。傳統(tǒng)深度學習需要在處理DNN的每一層之后訪問DRAM，因此功耗過高。該加速器在DNN的DNN執(zhí)行單元中設計有流水線層結構，以便在一次SRAM存取期間執(zhí)行一系列DNN計算。
新系統(tǒng)級芯片符合全球汽車應用功能安全標準ISO26262的要求。
東芝將繼續(xù)提高所開發(fā)的系統(tǒng)級芯片的功率效率和處理速度，且東芝下一代圖像識別處理器ViscontiTM5的樣品發(fā)貨將于今年九月啟動。
|
注
|
|
[1]
|
|
東芝在2015 IEEE國際固態(tài)電路會議上發(fā)表的一篇論文《面向圖像識別應用采用基于顏色的對象分類加速器的1.9TOPS與564GOPS/W異構多核系統(tǒng)級芯片》中提及的圖像識別系統(tǒng)級芯片
|
