独立的神经网络DSP IP核心揭开面纱

Cadence设计系统推出了Cadence ten二氧化硅视觉C5 DSP，这是第一个独立的、独立的神经网络DSP IP核心，用于视觉、雷达/激光雷达和熔断传感器应用，具有高可用性神经网络计算需求。

针对汽车、监视、无人机和移动/可穿戴市场，Vision C5 DSP提供1TMAC/sec的计算能力，可以运行所有的神经网络计算任务。

随着神经网络越来越深入和复杂，计算要求也越来越高。与此同时，神经网络体系结构也在不断变化，新的网络不断出现，新的应用和市场不断涌现。这些趋势推动了对高性能、通用的神经网络处理解决方案的需求，这种解决方案不仅需要很少的电力，而且还可以高度编程，以保证未来的灵活性和更低的风险。

神经网络DSP与神经网络加速器

在汽车、无人机和安全系统中，基于摄像机的视觉系统需要两种基本类型的视觉优化计算。首先，使用传统的计算摄影/成像算法增强来自摄像机的输入。其次，基于神经网络的识别算法对目标进行检测和识别。现有的神经网络加速器解决方案是附加在成像DSP上的硬件加速器，神经网络代码分为在DSP上运行一些网络层和向加速器释放卷积层。这种组合是低效的，消耗了不必要的权力。

作为一个专门的神经网络优化的DSP架构，视觉C5 DSP加速了所有的神经网络计算层(卷积，完全连接，汇聚和标准化)，而不仅仅是卷积函数。这使主视觉/成像DSP能够独立运行图像增强应用程序，而vision C5 DSP则可以执行推理任务。通过消除神经网络DSP与主视觉/成像DSP之间的额外数据运动，视觉C5 DSP提供了比竞争神经网络加速器更低的能量解决方案。它还为神经网络提供了一个简单的单处理器编程模型。

“我们的许多客户目前都处于艰难的境地，无法为一款产品选择一个神经网络推理平台，而这款产品可能需要几年甚至更长时间才能上市，”Cadence公司ten二氧化硅营销高级总监史蒂夫·罗迪(Steve Roddy)说。在嵌入式系统中，神经网络处理器不仅要消耗低功耗，而且在每个图像上都要快速，而且它们还应该是灵活的和未来的证明。所有当前的替代方案都需要不需要的权衡，而且很明显需要一个新的解决方案。我们将视觉c5dsp架构为一个通用的神经网络DSP，易于集成和非常灵活，同时提供比CNN加速器、gpu和cpu更好的功率效率。

嵌入式视觉联盟的创始人杰夫·比尔说:“在现实世界的设备中，深度学习的应用是巨大的和多样化的，计算需求是具有挑战性的。”“特殊的可编程处理器，如Vision C5 DSP，可以在成本和功率敏感的设备中部署深度学习。”

视觉C5 DSP的特点和性能

Vision C5 DSP在一个独立的引擎中提供了出色的神经网络性能:

area提供了非常高的深度学习内核的计算吞吐量

1024 8位mac或512 16位mac，在8位和16位分辨率下都有出色的性能

具有128位、8位或64位、16位SIMD的VLIW SIMD体系结构

为多核设计架构，使多teramac解决方案能够在很小的空间内实现

集成iDMA和AXI4接口

使用与Vision P5和P6 dsp相同的经过验证的软件工具集。

与市面上可用的gpu相比，在著名的AlexNet CNN性能基准中，Vision C5 DSP快了6倍，在Inception V3 CNN性能基准中快了9倍

Vision C5 DSP是一种灵活的、可验证的解决方案，支持可变内核大小、深度和输入维度。它还适用于几种不同的系数压缩/解压缩技术，并且可以随着新层的发展而添加对新层的支持。相比之下，由于可重用性更有限，硬件加速器提供了一个刚性的解决方案。

Vision C5 DSP还附带Cadence神经网络映射工具集，它将利用一套人工优化的神经网络库功能，将任何经过Caffe和TensorFlow等工具培训的神经网络映射到Vision C5 DSP的可执行和高度优化的代码中。

拨码开关http://www.cxesw.com/page/productlist/list-102-1.html