في مجالات الهواتف المحمولة ، والمراقبة الأمنية ، والسيارات ، والواقع المعزز / الواقع الافتراضي (AR / VR) ، جميع أنواع التطبيقات المضمنة التي يتم تطويرها أو التخطيط لها تشمل الشبكات العصبية ، وتطبيقات الشبكات العصبية تتفجر. يعد مجال ابتكار الشبكة العصبية أمرًا استثنائيًا ، حيث يتم تحديث بنيته الخاصة باستمرار ، كما تظهر شبكات جديدة وتطبيقات وأسواق جديدة إلى ما لا نهاية. مع تعميق وتعقيد تطبيقات الشبكة العصبية ، تزداد متطلبات أداء الحوسبة يومًا بعد يوم. في أقل من 4 سنوات ، زادت متطلبات حوسبة MAC / الإطار بحوالي 16 مرة (انظر الشكل 1).
الشكل 1 نمو متطلبات حوسبة MAC / الإطار
مع تطور الشبكات العصبية ، يستمر الطلب على تضمين المعالجات (بدلاً من استخدام وحدات المعالجة المركزية ووحدات معالجة الرسومات) في الأجهزة في الازدياد. ومع ذلك ، فإن قوة المعالجة وسرعة تشغيل الشبكة لم تواكب متطلبات تطوير تطبيقات الشبكة العصبية. هذا الصراع واضح بشكل خاص في مجال تطبيقات الرؤية. حتى الآن ، لا يمكن أن تعتمد تلبية احتياجات تطبيقات الشبكة العصبية إلا على موارد مراكز البيانات التقليدية. ومع ذلك ، نظرًا لأن الأمان ووقت الاستجابة أصبحا اعتبارات مهمة ، فقد أصبح من الشائع تنفيذ الشبكات العصبية من خلال أنظمة مضمنة لمعالجة البيانات في الوقت الفعلي. على الرغم من أنه يمكن إجراء معظم تدريب الشبكة العصبية دون اتصال بالإنترنت ، إلا أنه يجب على التطبيقات التي تستخدم الشبكات العصبية تضمينها في النظام.
في جميع التطبيقات المضمنة ، تواجه AR / VR أو الواقع المختلط تحديات فريدة. معظم الأجهزة في المجالات المذكورة أعلاه هي أجهزة يمكن ارتداؤها مثل الخوذات الذكية أو سماعات الأذن أو النظارات الذكية. إنها تعتمد على طاقة البطارية وهي واحدة من أهم الاعتبارات عند اختيار حل الشبكة العصبية لاستهلاك الطاقة. هناك مطلب مهم آخر لتطبيقات AR / VR وهو تقليل زمن الوصول ، لذلك يجب أن تنفذ الشبكات العصبية تضمين الجهاز. تتطلب كل هذه الأجهزة نوعًا من التعرف على الصور ، والتعرف على الإيماءات ، وتجزئة الكاميرا الاستريو ، والاستشعار ثلاثي الأبعاد ، وتتبع الرأس ، واكتشاف العين ، وقدرات تتبع العين. هناك العديد من تقنيات التصوير المختلفة ، ولكن بمرور الوقت ، سيتم تحقيق بعض هذه الوظائف ، مثل فهم البيئة الدلالية ، أو التعرف على الإيماءات ، أو التعرف على الصور ، من خلال الشبكات العصبية. بالإضافة إلى الشبكات العصبية المرئية / التصويرية ، تفرض هذه الأجهزة أيضًا متطلبات على الشبكات العصبية الصوتية / الصوتية لتلقي الأوامر الصوتية.
في البيئة التكنولوجية المتغيرة بسرعة اليوم ، يحتاج مصنعو معدات AR / VR إلى تحديد منصات المنتجات التي سيتم تسويقها على الفور في 2019 و 2020 وحتى بعد ذلك. بعد إدخال الشبكة العصبية الجديدة ، بسبب التغييرات المستمرة في بنيتها ، لا يمكننا ضمان فعالية منصة العمل الفعالة الحالية في النظام المستقبلي. بالإضافة إلى ذلك ، تتطلب هذه التطبيقات أيضًا زمن انتقال منخفض واستهلاك منخفض للطاقة ، وهو أمر مهم أيضًا بشكل خاص ؛ ولكن في ضوء النمو المستمر لمتطلبات الشبكة العصبية والتقدم المستمر لهذا الاتجاه ، ما زلنا بحاجة إلى ضمان درجة معينة من المرونة والتطلع إلى المستقبل.
يوجد حاليًا خياران رئيسيان لتنفيذ الشبكات العصبية: CPU / GPU أو استخدام مسرعات الأجهزة ومطابقة DSP للتصوير. يمكن لكل من هذين الخيارين حل بعض التحديات التي يواجهها المصممون ؛ لكن كلاهما لديه بعض التنازلات غير المرضية من حيث سهولة التطوير أو كفاءة الطاقة أو زمن الوصول أو مساحة الترقية المستقبلية أو الأداء. يعد مسرع الأجهزة والتصوير المطابق DSP أحد خيارات الأجهزة المضمنة ، ولكن هذا المزيج غير فعال وسيولد استهلاكًا غير ضروري للطاقة. بالإضافة إلى صعوبات التطوير ، يجب أيضًا تقسيم البرنامج بين DSP والمسرع. فقط تفريغ الطبقة التلافيفية سيزيد بشكل كبير من عبء نقل البيانات ويؤثر على الكفاءة. بالإضافة إلى ذلك ، يتم إصلاح الجهاز في وقت الشريط ، لذلك لن يكون لهذه المسرعات مجال للترقيات المستقبلية.
يجب أن تفي حلول DSP للشبكة العصبية التي تلبي احتياجات التطبيقات المضمنة بالمتطلبات التالية: سهولة التطوير ، والقدرة على التعامل مع كميات هائلة من البيانات ، وإتاحة مساحة للترقيات المستقبلية ، واستخدام الطاقة بكفاءة وتقليل التأخير.
حل الإيقاع: معالج الإشارات الرقمية Tensilica Vision C5 (DSP)
كحل مُحسّن لتطبيقات مستشعرات الرؤية والاندماج ، فإن Cadence Tensilica Vision C5 DSP هو أول معالج إشارة رقمية في الصناعة مخصص لمعالجة الشبكة العصبية ومناسب للهندسة متعددة المعالجات. يحقق هذا الحل سرعة غير مسبوقة واستهلاكًا منخفضًا للطاقة ، ويلبي جميع متطلبات تقنية الشبكة العصبية المتطورة.
يعتمد الحل على ما يقرب من 20 عامًا من تجربة Xtensa متعددة المعالجات ، مع ميزات مثل مشاركة بنية الذاكرة ، والمقاطعات المسموح بها ، وقوائم الانتظار المتزامنة ، وتصحيح الأخطاء المتزامن متعدد المعالجات. يمكن لـ Vision C5 DSP تحقيق تسريع الحساب لجميع طبقات الشبكة العصبية (الطبقة التلافيفية ، والطبقة المتصلة بالكامل ، وطبقة التجميع وطبقة التسوية) ، وليس فقط وظيفة الطبقة التلافيفية. لذلك ، يتم تحرير قدرة معالجة الرؤية الرئيسية DSP لتشغيل تطبيقات تحسين الصورة بشكل مستقل ؛ بينما يقوم Vision C5 DSP بتشغيل مهام الاستدلال. من خلال إزالة نقل البيانات الزائدة عن الحاجة لمسرع الأجهزة ، يكون استهلاك الطاقة لـ Vision C5 DSP أقل بكثير من استهلاك مسرع الشبكة العصبية الحالي.
تتمتع Vision C5 DSP بقدرة حوسبة تبلغ 1TMAC / ثانية ، والتي يمكنها تلبية متطلبات الحوسبة المتزايدة باستمرار للشبكات العصبية ؛ كما أن لديها حسابات دقيقة ، وبنية تصميم متعددة النواة ، وتدعم الحلول المدمجة المتعددة TMAC. تهدف Vision C5 DSP إلى التطبيقات التي غالبًا ما تشغل شبكات عصبية متعددة. نظرًا لخصائصه القابلة للبرمجة ، فإن الحل لديه مجال للترقيات المستقبلية ويمكنه دعم طبقات جديدة مع تغير التصميم.
يجب تصميم نظام معالجة الرؤية بشكل شامل وقابل للتطبيق على جميع الأنظمة الأساسية وتطوير الأجهزة والبرامج في نفس الوقت. من أجل تطوير هذه التقنية ، يجب على المصممين استخدام الأدوات وبروتوكول الإنترنت الذي يدعم الخوارزميات الفعالة ، ويجب أن تلبي منصة الأجهزة المستخدمة أيضًا التكلفة المستهدفة ومتطلبات استهلاك الطاقة لكل تطبيق. من منظور النظام ، يمكن لـ Cadence دعم مصممي أجهزة الرؤية المدمجة لتطوير منتجات تحويلية بأسرع ما يمكن وكفاءة.
لدينا غيرها من المنتجات:
