隨著人工智能領域的發(fā)展，這些設備的計算量和功耗都在增加。隨后，邊緣設備上的處理負載隨著系統(tǒng)架構的性能和復雜性而顯著增長。因此，更高分辨率的圖像和更復雜的算法被灌輸?shù)较到y(tǒng)中，隨著對人工智能處理的需求不斷增加，需要進一步優(yōu)化以實現(xiàn)高 TOPS 性能。

Synopsys 發(fā)布了神經處理單元 （NPU）、知識產權 （IP） 內核和工具鏈，以滿足 AI 片上系統(tǒng) （SoC） 中日益復雜的神經網絡模型的性能需求。其新的 DesignWare ARC NPX6 和 NPX6FS NPU IP 可處理實時計算的需求，同時為 AI 應用消耗超低功耗。此外，該公司的新 MetaWare MX 開發(fā)工具提供了一個完整的編譯環(huán)境和自動神經網絡算法分區(qū)，以最大限度地提高最新 NPU 上應用軟件開發(fā)的資源效率。

使用新的 DesignWare ARC NPX6 和 NPX6FS NPU IP 以及 MetaWare MX 開發(fā)工具包，設計人員可以利用最新的神經網絡模型，滿足不斷升級的性能預期，并加快其下一代智能 SoC 的上市時間。ARC NPX6 NPU IP 系列包括眾多處理深度學習算法覆蓋的產品，包括對象識別、圖像質量增強和場景分割等計算機視覺任務，以及音頻和自然語言處理等更大的人工智能應用。設計中的單個內核可以從 4K MAC 擴展到 96K MAC，以實現(xiàn)超過 250 TOPS 的單個 AI 引擎性能和超過 440 TOPS 的稀疏性。

NPX6 NPU IP 包含對多達 8 個 NPU 的多 NPU 集群的硬件和軟件支持，稀疏度為 3500 TOPS。由于硬件和軟件中的高級帶寬功能以及內存層次結構（每個內核中包含 L1 內存和訪問通用 L2 內存的高性能、低延遲連接），因此可以擴展到大量 MAC 數(shù)量。對于受益于神經網絡內的 BF16 或 FP16 的應用，提供了一個可選的張量浮點單元。

圖片來源：新思科技

MetaWare MX 開發(fā)工具包為應用軟件開發(fā)提供軟件編程環(huán)境，包括神經網絡軟件開發(fā)工具包 （NN SDK） 和虛擬模型支持。NN SDK 自動將使用 Pytorch、Tensorflow 或 ONNX 等流行框架訓練的神經網絡轉換為 NPX 優(yōu)化的可執(zhí)行代碼。

其概念是，NPX6 NPU 處理器 IP 可隨后用于制造各種產品，從幾 TOPS 到數(shù)千 TOPS，所有這些都可以使用單個工具鏈編寫。

NPX6 NPU IP 的主要特點：

可擴展的實時 AI/神經處理器 IP，性能高達 3，500 TOPS，支持 CNN、RNN/LSTM、轉換器、推薦網絡和其他神經網絡。

電源效率（高達 30 TOPS/W）在業(yè)界是無與倫比的。

1-24核卷積加速器，增加4K MAC/核

支持張量算子集架構并允許變量激活 （TOSA） 的張量加速器

軟件開發(fā)套件

自動混合模式量化工具

降低帶寬的架構和軟件工具特性

通過并行處理各個層來減少延遲。

DesignWare ARC VPX 矢量 DSP 無縫集成。

生產力很高。MetaWare MX Development Toolkit 支持 Tensorflow 和 Pytorch 框架以及 ONNX 交換標準。

此外，ARC NPX6FS NPU IP 符合 ISO 26262 ASIL D 標準，用于隨機硬件故障檢測和系統(tǒng)功能安全開發(fā)流程。這些處理器具有符合 ISO 26262 的特定安全機制，可處理下一代區(qū)域設計的混合關鍵性和虛擬化需求，以及完整的安全文檔。

ARC MetaWare MX 開發(fā)工具包包括神經網絡軟件開發(fā)工具包 （SDK）、編譯器和調試器、虛擬平臺 SDK、運行時和庫以及高級仿真模型。它提供了一個統(tǒng)一的工具鏈環(huán)境來加速應用程序開發(fā)，并在 MAC 資源之間智能地劃分算法以進行優(yōu)化處理。MetaWare MX 安全開發(fā)工具包包含安全手冊和安全指南，可幫助開發(fā)人員滿足 ISO 26262 標準并為安全關鍵型汽車應用的 ISO 26262 合規(guī)性測試做準備。

使用 NPU 集群加速邊緣 AI 應用程序

為了滿足 AI 應用日益增長的性能和復雜需求，NXP NPU IP 內核提供了高性能、可擴展的實時 AI 和神經處理 IP，高達 3500 TOPS 支持各種神經網絡，如 CNN、RNN/LSTM、變壓器、和推薦網絡。

此外，它通過并行處理各個層來減少延遲。此外，高效的 MetaWare MX 開發(fā)工具包支持 Tensorflow 和 Pytorch 框架以及 ONNX 交換格式。

審核編輯：郭婷