Arm avslöjar projekt Trillium-familjen av dedikerade AI-processorer

Arm Holdings tjänar på ökningen av artificiell intelligens och maskininlärning med lanseringen av en ny familj av processorer och programvara under projektet Trillium. Företaget tillkännagav nyligen den nya linjen med processorer som har tre komponenter: Arm ML Processor, Arm OD Processor och Arm NN-programvaran.

Arm ML-processorn, som företaget påpekar, har utformats från grunden för optimerad maskininlärningsacceleration för mobila enheter och andra liknande marknader. Processorn kan leverera "Branschledande prestanda på 4,6 TOP, med en fantastisk effektivitet på 3 TOP / W för mobila enheter och smarta IP-kameror." Dessutom levereras processorn med programmerbara lagermotorer för framtidsskydd, inställda geometriimplementeringar och inbyggt minne för minskad extern minnestrafik.

Arm OD-processorerna, å andra sidan, är utformade för att vara "Mest effektiva sättet att upptäcka människor och objekt på mobila och inbäddade plattformar." Processorn kan skanna varje bildruta och tillhandahåller en lista över upptäckta objekt tillsammans med deras plats inom deras scen. Arm hävdar att processorn kan upptäcka objekt i realtid som körs med 60 fps i Full HD, objektstorlekar kan variera från 50 × 60 pixlar till helskärm och processorn kan upptäcka praktiskt taget obegränsade objekt per bildruta. Dessutom kan Arm OD-processorn användas i kombination med CPU: er, GPU: er eller Arm ML-processorn för att ge mer lokal bearbetning vilket förväntas minska det totala beräkningskravet.

Slutligen, Arm NN “Möjliggör effektiv översättning av befintliga neurala nätverksramar, så att de kan köras effektivt - utan ändringar - över Arm Cortex-processorer och Arm Mali-grafikprocessorer.” Arm NN-programvaran stöder inbyggt Arm ML-processorn och ledande neurala nätverksramar, inklusive TensorFlow, Caffe, Android NNAPI och MXNet. Företaget hävdar att Arm NN överbryggar klyftan mellan befintliga neurala nätverksramar och den underliggande IP. Programvaran kommer att vara gratis och kommer snart att vara tillgänglig under en tillåtande MIT-källkodslicens.