據(jù)外媒報道，當?shù)貢r間2月26日，東芝電子歐洲公司（TEE）宣布將研發(fā)一種用于汽車應用的圖像識別片上系統(tǒng)（SoC），該系統(tǒng)與東芝以前的產(chǎn)品相比，深度學習加速器的速度是原來的10倍，功率效率為4倍。該項技術的細節(jié)在2019年IEEE國際固態(tài)線路研討會（ISSCC）上公布。

自動緊急制動等高級駕駛輔助系統(tǒng)提供越來越先進的能力，而且實現(xiàn)此類系統(tǒng)需要圖像識別片上系統(tǒng)，此類片上系統(tǒng)需要能夠在低功耗的情況下高速識別道路交通標志以及道路狀況。

深度神經(jīng)網(wǎng)絡（DNN）是一種以大腦神經(jīng)網(wǎng)絡為模型的算法，與傳統(tǒng)的模式識別和機器學習相比，能夠更精確地進行識別處理，而且人們普遍認為其適用于汽車應用。但是，使用傳統(tǒng)處理器、基于深度神經(jīng)網(wǎng)絡的圖像識別依賴大量的乘積累加（MAC）計算，因而需要大量處理時間，而且也需要消耗更多功率。

東芝推出的深度神經(jīng)網(wǎng)絡（DNN）加速器克服了上述問題，而且該加速器在硬件中實現(xiàn)了深度學習，具備以下3個特點：

1、平行乘積累加（MAC）組件。深度神經(jīng)網(wǎng)絡（DNN）處理需要很多乘積累加計算，東芝的新設備具有4個處理器，每個都有256個乘積累加組件，從而提升了深度神經(jīng)網(wǎng)絡（DNN）的處理速度。

2、減少對動態(tài)隨機存取存儲器（DRAM）的訪問。傳統(tǒng)的片上系統(tǒng)沒有本地存儲器來保存深度神經(jīng)網(wǎng)絡執(zhí)行組件附近的暫態(tài)數(shù)據(jù)，而且處理本地存儲器會消耗很多功率。使用乘積累加（MAC）計算加載權重數(shù)據(jù)也要消耗功率。而在東芝的新設備中，深度神經(jīng)網(wǎng)絡（DNN）執(zhí)行組件附近執(zhí)行的是靜態(tài)隨機存取存儲器（SRAM），深度神經(jīng)網(wǎng)絡（DNN）處理分成了子處理塊，以將暫態(tài)數(shù)據(jù)存儲于靜態(tài)隨機存取存儲器（SRAM）中，減少對動態(tài)隨機存取存儲器（DRAM）的訪問。此外，東芝還為加速器增加了一個解壓裝置，提前將權重數(shù)據(jù)壓縮、存儲在動態(tài)隨機存取存儲器中，再通過解壓裝置上傳權重數(shù)據(jù)，可減少從動態(tài)隨機存取存儲器（DRAM）中上傳權重數(shù)據(jù)所帶來的功率消耗。

3、減少對靜態(tài)隨機存取存儲器（SRAM）的訪問。傳統(tǒng)的深度學習需要在處理完深度神經(jīng)網(wǎng)絡的每一層之后再訪問靜態(tài)隨機存取存儲器，此過程會消耗大量功率。東芝推出的加速器具有流水線式結構，位于深度神經(jīng)網(wǎng)絡的深度神經(jīng)網(wǎng)絡執(zhí)行組件中，完成一系列的深度神經(jīng)網(wǎng)絡計算只需訪問一次靜態(tài)隨機存取存儲器（SRAM）。

該新型片上系統(tǒng)符合汽車應用功能安全的全球標準ISO26262。東芝將繼續(xù)提升其片上系統(tǒng)的功率效率和處理速度，并將于今年9月份開始交付其下一代圖像識別處理器ViscontiTM5的樣品。

聲明：本文為轉載類文章，如涉及版權問題，請及時聯(lián)系我們刪除（QQ:2737591964），不便之處，敬請諒解！