您的位置：首页>>管理中心>>行业资讯>>修改新闻资讯信息

资讯类型： 行业要闻 企业动态 新品速递 解决方案 交流培训 嘉宾访谈 产业纵横   人物聚焦 展会动态 会展报告 本站动态 标    题： * 页面广告： 不显示 显示 副 标 题： 关 键 字： 多个关键字请用“/”分隔，如：西门子/重大新闻 内容描述： 新闻来源： 链    接： 责任编辑： 标题图片： 无/uploadfile/newspic/20211202111002621.jpg 当编辑区有插入图片时，将自动填充此下拉框 * 所属类别： (不超过20项) 电源产品分类： UPS电源 稳压电源 EPS电源 变频电源 净化电源 特种电源 发电机组 开关电源(AC/DC) 逆变电源(DC/AC) 模块电源(DC/DC) 电源应用分类： 通信电源 电力电源 车载电源 军工电源 航空航天电源 工控电源 PC电源 LED电源 电镀电源 焊接电源 加热电源 医疗电源 家电电源 便携式电源 充电机(器) 励磁电源 电源配套分类： 功率器件 防雷浪涌 测试仪器 电磁兼容 电源IC 电池/蓄电池 电池检测 变压器 传感器 轴流风机 电子元件 连接器及端子 散热器 电解电容 PCB/辅助材料 新能源分类： 太阳能(光伏发电) 风能发电 潮汐发电 水利发电 燃料电池 其他类： 其他 静态页面： 生成静态页面 * 内    容： <P>　　2021年11月30日–日本东京–边缘AI领域的领先标杆企业LeapMind有限公司今日公布了其正在开发和授权的超低功耗AI推理加速器IP“Efficiera”v2版本（以下简称“v2”）。LeapMind于2021年9月发布了Efficiera v2的测试版，并收到了许多公司的测试及反馈，包括SoC供应商和终端用户产品设计师。Efficiera v2预计2021年12月开始发售，如有意向获取，请通过此邮箱垂询：business leapmind.io。</P> <P>　　LeapMind首席执行官Soichi Matsuda表示：“去年，我们正式推出了v1的商用版本，许多公司对Efficiera进行了评测。截至2021年9月底，我们共与8家日本国内公司签署了授权协议。‘向世界传播采用机器学习的新设备’是我们根据企业理念所设定的座右铭，而我们正通过提供v1来稳步推进这一理念的落地。在未来，我们将进一步通过技术创新和产品阵容扩展，继续努力实现人工智能的普及。”</P> <P>　　Efficiera v2根据v1的使用记录和市场评测，扩大了应用范围，在保持最小配置的电路规模基础上，可覆盖更广泛的性能范围，并应用于更多的实际产品。产品由此得到了进一步的完善。</P> <P align=center><IMG border=0 src="/uploadfile/newspic/20211202111002621.jpg"></P> <P align=center>　　Efficiera v2概念</P> <P>　　LeapMind董事兼首席技术官Hiroyuki Tokunaga博士表示：“自去年发布v1以来，我们强化了设计/验证方法和开发流程，旨在‘开发世界上最节能的DNN加速器’。我们一直在开发v2，以使产品能够适用于专用集成电路（ASIC）和专用标准产品（ASSP）。我们还在开发一个深度学习方面的推理学习模型，以便将超小量化技术的优势最大化。LeapMind的最大优势就在于我们可以提供一种技术来实现双管齐下。”</P> <P>　　Efficiera v2的主要规格与特性</P> <P>　　在保持最小电路规模的同时，覆盖更广泛的性能范围，从而扩大应用范围。</P> <P>　　硬件特性</P> <P>　　●通过多路复用MAC阵列+多核，性能可扩展至48倍</P> <P>　　V2允许你将卷积管道中的MAC阵列数量增加到v1的3倍（可选择x1、x4），并通过提供多达4个内核的选择，进一步扩大性能的可扩展性。</P> <P>　　●除卷积和量化外，还可实现硬件执行跳过连接和像素嵌入</P> <P>　　1.跳过连接是多层卷积神经网络（CNN）中常见的一种操作。（v1中由CPU执行）</P> <P>　　2.像素嵌入是一种对输入数据进行量化的方法</P> <P>　　●资源使用方面，配置与Efficiera 1相同</P> <P>　　1.有些应用只因AI功能可在规模有限的FPGA器件上实现就能创造价值。</P> <P>　　2.LeapMind分析了一个实用型深度学习模型的执行时间，并仔细选择了额外的硬件功能。</P> <P>　　集成到SoC中</P> <P>　　●AMBA AXI接口</P> <P>　　●AMBA AXI interface</P> <P>　　AMBA AXI继续被用作与外部的接口，并且当接口被视为一个黑盒子时与以前一样，易于从当前设计中迁移。</P> <P>　　●单时钟域</P> <P>　　FPGA中的目标频率</P> <P>　　●FPGA的运行频率与先前相同，虽然取决于具体设备，但预计约为150到250MHz。</P> <P>　　1.256 GOP/s 125MHz(单核)</P> <P>　　2.高达12 TOP/s 250MHz(双核)</P> <P>　　●以加密RTL的形式提供</P> <P>　　B.通过改进设计/验证方法并审查开发流程，我们确保质量不仅适用于FPGA，也适用于ASIC/ASSP。</P> <P>　　C.开始提供一个模型开发环境（NDK），使用户能够为Efficiera开发深度学习模型。目前为止只有LeapMind实现了这项工作。</P> <P>　　●为Efficiera创建超小型量化深度学习模型所需的代码和信息包</P> <P>　　●GPU深度学习模型的开发者可立即上手使用</P> <P>　　●支持PyTorch和TensorFlow 2的深度学习框架</P> <P>　　●学习环境为一个配备GPU的Linux服务器</P> <P>　　●推理环境为一个配备Efficiera的设备</P> <P>　　●来自LeapMind的技术支持</P> <P>　　</P>