東芝宣布開發出新款汽車應用影像識別SoC

2019 年 04 月 03 日

東芝宣布成功開發出新款汽車應用影像識別系統級晶片(SoC),與東芝上一代產品相比,該產品使深度學習加速器的速度提升10倍,功率效率提高4倍。該技術成果的詳情已於2019 IEEE國際固態電路會議(ISSCC)上發表。

自動緊急刹車等先進駕駛輔助系統可提供越來越快速反應等功能,但實現這些功能需要影像識別系統級晶片在低功耗條件下,高速識別道路交通信號和路況。

深度神經網路(DNN)是模仿大腦神經網路的演算法,與傳統模式識別和機器學習相比,DNN的識別處理精度要高得多,預計將會廣泛的應用在車用領域。而採用傳統處理器的DNN影像識別耗時較長,因依賴大量的乘積累加(MAC)計算。同時,採用傳統高速處理器的DNN尚存功耗過高問題。

東芝利用可在硬體上實現深度學習的DNN加速器解決了這一難題。此外,新系統級晶片符合全球汽車應用功能安全標準ISO26262之要求。東芝將繼續提高所開發的系統級晶片的功率效率和處理速度。

處理需要大量MAC計算。東芝的新產品搭載四個處理器,每個處理器包含256個MAC單元。因此提高了DNN的處理速度。另外,新產品減少了動態隨機存取記憶體(DRAM)存取。傳統的系統級晶片沒有本機記憶體,無法在靠近DNN執行單元的位置保存臨時資料,並且在存取本機記憶體時產生較大功耗。同時,載入用於MAC計算的加權數據也會產生較大功耗。東芝晶片可在DNN執行單元附近執行靜態隨機存取記憶體(SRAM),並將DNN處理分為多個子處理區塊,因此可將臨時資料保存在SRAM內,從而減少了DRAM存取。此外,東芝還在加速器上增加了一個解壓縮單元。可透過解壓縮單元載入預先壓縮並儲存在DRAM中的加權數據。因此,降低了載入來自DRAM的加權數據時產生的功耗。

同時此晶片減少了SRAM存取。傳統深度學習需要在處理DNN的每一層之後存取DRAM,因此功耗過高。該加速器在DNN的DNN執行單元中設計有流水線層結構,以便在一次SRAM存取期間執行一系列DNN計算。

標籤
相關文章

東芝推出新低電壓驅動系列光繼電器

2019 年 06 月 27 日

Mentor引入Calibre Recon技術簡化IC驗證過程

2020 年 08 月 11 日

MIPS/Open-Silicon/Dolphin達成ASIC CPU效能

2010 年 09 月 27 日

瑞薩電子新款車用SoC具優異系統整合能力

2011 年 08 月 31 日

東芝推出首款可重複使用電子熔斷器

2019 年 12 月 03 日

愛德萬第1萬套V93000 SoC測試系統出貨

2023 年 05 月 18 日
前一篇
瞄準智慧工廠需求 Sony新款影像感測器亮相
下一篇
具備高度可靠性/安全性 藍牙滿足工業連網應用需求