Это не официальный сайт wikipedia.org 01.01.2023

Нейронный процессор — Википедия
Википедия

Нейронный процессор

(перенаправлено с «Нейроморфные структуры»)
У этого термина существуют и другие значения, см. NPU.

Нейро́нный проце́ссор (англ. Neural Processing Unit, NPU или ИИ-ускоритель англ. AI accelerator) — это специализированный класс микропроцессоров и сопроцессоров (часто являющихся специализированной интегральной схемой), используемый для аппаратного ускорения работы алгоритмов искусственных нейронных сетей, компьютерного зрения, распознавания по голосу, машинного обучения и других методов искусственного интеллекта[1].

ОписаниеПравить

Нейронные процессоры относятся к вычислительной технике и используются для аппаратного ускорения эмуляции работы нейронных сетей и цифровой обработки сигналов в режиме реального времени. Как правило, нейропроцессор содержит регистры, блоки памяти магазинного типа, коммутатор и вычислительное устройство, содержащее матрицу умножения, дешифраторы, триггеры и мультиплексоры[2].

На современном этапе (по состоянию на 2017 год) к классу нейронных процессоров могут относиться разные по устройству и специализации типы чипов, например:

ИсторияПравить

Области примененияПравить

 
Nvidia Drive PX-series  (англ.) (рус..

ПримерыПравить

Существующие продуктыПравить

 
16-ядерный чип Adapteva Epiphany (E16G301) на одноплатном компьютере для параллельных вычислений.
  • Процессоры машинного зрения:
  • Тензорные процессоры:
    • Google TPU (англ. Tensor Processing Unit) — представлен как ускоритель для системы Google TensorFlow, которая широко применяется для свёрточных нейронных сетей. Сфокусирован на большом объёме арифметики 8-битной точности[5].
    • Huawei Ascend 310 / Ascend 910 — первые два чипа оптимизированные под решения задач искусственного интеллекта из линейки Ascend компании Huawei[13].
    • Intel Nervana NNP  (англ.) (рус. (англ. Neural Network Processor) — это первый коммерчески доступный тензорный процессор, предназначенный для постройки сетей глубокого обучения[14], компания Facebook была партнёром в процессе его проектирования[15][16].
    • Qualcomm Cloud AI 100 — ускоритель искусственного интеллекта, предназначенный для использования в составе облачных платформ, поддерживающий программные библиотеки PyTorch, Glow, TensorFlow, Keras и ONNX[17].
  • Нейроморфные процессоры:
    • IBM TrueNorth — нейроморфный процессор, построенный по принципу взаимодействия нейронов, а не традиционной арифметики. Частота импульсов представляет интенсивность сигнала. По состоянию на 2016 год среди исследователей ИИ нет консенсуса, является ли это правильным путём для продвижения[18], но некоторые результаты являются многообещающими, с продемонстрированной большой экономией энергии для задач машинного зрения[19].
  • Adapteva Epiphany  (англ.) (рус. — предназначен как сопроцессор, включает модель блокнотной памяти  (англ.) (рус. сети на кристалле  (англ.) (рус., подходит к модели программирования потоком информации, которая должна подходить для многих задач машинного обучения.
  • ComBox x64 Movidius PCIe Blade board - плата расширения PCI Express с максимальной плотностью VPU Intel Movidius (MyriadX) для инференса сверхточных нейронных сетей в ЦОД
  • Cambricon  (англ.) (рус. MLU100 — карта расширения PCI Express с ИИ-процессором мощностью 64 TFLOPS с половинной точностью или 128 TOPS для вычислений INT8[20].
  • Cerebras Wafer Scale Engine (WSE, CS-1) — экспериментальный суперпроцессор компании Cerebras, содержит 1,2 трлн транзисторов, организованных в 400 000 ИИ-оптимизированных вычислительных ядер и 18 Гбайт локальной распределённой памяти SRAM, и всё это связано ячеистой сетью с общей производительностью 100 петабит в секунду. Чип Cerebras ― это фактически суперкомпьютер на чипе, где вычислительные ядра SLAC (Sparse Linear Algebra Cores) ― полностью программируемые и могут быть оптимизированы для работы с любыми нейронными сетями[21].
  • KnuPath  (англ.) (рус. — процессор компании KnuEdge  (англ.) (рус., предназначен для работы в системах распознавания речи и прочих отраслях машинного обучения, он использует соединительную технологию LambdaFabric и позволяет объединять в единую систему до 512 тысяч процессоров[22].

GPU-продуктыПравить

 
Nvidia Tesla C870.
  • Nvidia Tesla — серия специализированных GPGPU-продуктов компании Nvidia[23]:
    • Nvidia Volta  (англ.) (рус. — графические процессоры (GPU) архитектуры Volta (2017 год) компании Nvidia (такие как Volta GV100), содержат до 640 специальных ядер для тензорных вычислений[1].
    • Nvidia Turing  (англ.) (рус. — графические процессоры архитектуры Turing (2018 год) компании Nvidia (такие как Nvidia TU104), содержат до 576 специальных ядер для тензорных вычислений[24].
    • Nvidia DGX-1  (англ.) (рус. — специализированный сервер, состоящий из 2 центральных процессоров и 8 GPU Nvidia Volta GV100  (англ.) (рус. (5120 тензорных ядер), связанных через быструю шину NVLink[25]. Специализированная архитектура памяти  (англ.) (рус. у этой системы является особенно подходящей для построения сетей глубокого обучения[26][27].
  • AMD Radeon Instinct  (англ.) (рус. — специализированная GPGPU-плата компании AMD, предлагаемая как ускоритель для задач глубокого обучения[28][29].

ИИ-ускорители в виде внутренних сопроцессоров (аппаратных ИИ-блоков)Править

 
6-ядерный SoC Apple A11 Bionic с Neural Engine

Научные исследования и разрабатываемые продуктыПравить

  • Индийский технологический институт в Мадрасе разрабатывает ускоритель на импульсных нейронах для новых систем архитектуры RISC-V, направленных на обработку больших данных на серверных системах[34].
  • Eyeriss  (англ.) (рус. — разработка, направлена на свёрточные нейронные сети с применением блокнотной памяти и сетевой архитектуры в пределах кристалла.
  • Fujitsu DLU  (англ.) (рус. — многоблочный и многоядерный сопроцессор компании Fujitsu использующий вычисления с низкой точностью и предназначенный для глубокого машинного обучения[35].
  • Intel Loihi  (англ.) (рус. — нейроморфный процессор компании Intel, который сочетает процессы обучения, тренировки и принятия решений в одном чипе, позволяя системе быть автономной и «сообразительной» без подключения к облаку. Например, при обучении с помощью базы данных MNIST (Mixed National Institute of Standards and Technology) процессор Loihi оказывается в 1 млн раз лучше, чем другие типичные спайковые нейронные сети[36].
  • Kalray  (англ.) (рус. — показала MPPA  (англ.) (рус.[37] и сообщила о повышении эффективности свёрточных нейронных сетей в сравнении с GPU.
  • SpiNNaker — массово-параллельная компьютерная архитектура, которая сочетает ядра традиционной ARM-архитектуры с усовершенствованной сетевой структурой, специализированной для моделирования крупной нейронной сети.
  • Zeroth NPU  (англ.) (рус. — разработка компании Qualcomm, направленная непосредственно на привнесение возможностей распознавания речи и изображений в мобильные устройства[38].
  • IVA TPU — тензорный процессор, над созданием которого работает[39][40] российская компания IVA Technologies. В октябре 2020 года были опубликованы результаты[41][42] тестирования архитектуры ускорителя расчета нейронных сетей IVA TPU, проведенного международным консорциумом MLPerf (учрежден в 2018 году Baidu, Google, Harvard University, Stanford University, University of California, Berkeley).

ПримечанияПравить

  1. ↑ 1 2 Популярность машинного обучения влияет на эволюцию архитектуры процессоров  (неопр.). Servernews. (31 августа 2017). Дата обращения: 17 ноября 2017. Архивировано 17 ноября 2017 года.
  2. ↑ Нейропроцессор, устройство для вычисления функций насыщения, вычислительное устройство и сумматор  (рус.). FindPatent.RU. Дата обращения: 17 ноября 2017. Архивировано 1 декабря 2017 года.
  3. ↑ IBM поставила LLNL нейропроцессоры TrueNorth за $1 млн  (рус.). Компьютерра. (31 марта 2016). Дата обращения: 17 ноября 2017. Архивировано 19 ноября 2017 года.
  4. ↑ Intel разрабатывает тензорные процессоры для ИИ  (рус.). PC Week/RE. (22 ноября 2016). Дата обращения: 17 ноября 2017. Архивировано 1 декабря 2017 года.
  5. ↑ 1 2 Подробности о тензорном сопроцессоре Google TPU  (рус.). Servernews. (25 августа 2017). Дата обращения: 17 ноября 2017. Архивировано 17 ноября 2017 года.
  6. ↑ 1 2 Intel анонсировала процессор машинного зрения Movidius Myriad X  (рус.). 3DNews. (29 августа 2017). Дата обращения: 17 ноября 2017. Архивировано 17 ноября 2017 года.
  7. ↑ Nvidia Drive PX: Scalable AI Supercomputer For Autonomous Driving  (неопр.). Nvidia. Дата обращения: 17 ноября 2017. Архивировано 16 июля 2016 года. (англ.)
  8. ↑ NVIDIA представила Drive PX Pegasus — платформу для автопилота нового поколения  (неопр.). 3DNews (10 октября 2017). Дата обращения: 17 ноября 2017. Архивировано 17 ноября 2017 года. (рус.)
  9. ↑ Movidius powers worlds most intelligent drone  (неопр.). Дата обращения: 15 ноября 2017. Архивировано 9 августа 2016 года. (англ.)
  10. ↑ Qualcomm Research brings server-class machine learning to everyday devices  (неопр.). Дата обращения: 15 ноября 2017. Архивировано 8 августа 2016 года. (англ.)
  11. ↑ Design of a machine vision system for weed control  (неопр.). Дата обращения: 15 ноября 2017. Архивировано из оригинала 23 июня 2010 года. (англ.)
  12. ↑ The Evolution of EyeQ  (неопр.). Дата обращения: 18 ноября 2017. Архивировано 7 декабря 2017 года.
  13. ↑ Huawei создала первые в мире ИИ-процессоры, пойдя по пути разработчиков «Эльбрусов», CNews (23 октября 2018). Архивировано 23 октября 2018 года. Дата обращения: 24 октября 2018.
  14. ↑ До конца года Intel выпустит «первую в отрасли микросхему для обработки нейронных сетей» — Intel Nervana Neural Network Processor  (рус.). iXBT.com (18 октября 2017). Дата обращения: 21 ноября 2017. Архивировано 15 ноября 2017 года.
  15. ↑ Intel unveils purpose-built Neural Network Processor for deep learning, Tech Report (17 октября 2017). Архивировано 24 ноября 2017 года. Дата обращения: 17 ноября 2017.
  16. ↑ Intel Nervana Neural Network Processors (NNP) Redefine AI Silicon (17 октября 2017). Архивировано 20 октября 2017 года. Дата обращения: 17 ноября 2017.
  17. ↑ Qualcomm представила ускоритель искусственного интеллекта Cloud AI 100, Servernews.ru (10 апреля 2019). Архивировано 10 апреля 2019 года. Дата обращения: 16 апреля 2019.
  18. ↑ Ян ЛеКун про IBM TrueNorth  (неопр.). Дата обращения: 15 ноября 2017. Архивировано 5 июля 2015 года. (англ.)
  19. ↑ IBM cracks open new era of neuromorphic computing  (неопр.). — «TrueNorth is incredibly efficient: The chip consumes just 72 milliwatts at max load, which equates to around 400 billion synaptic operations per second per watt — or about 176,000 times more efficient than a modern CPU running the same brain-like workload, or 769 times more efficient than other state-of-the-art neuromorphic approaches». Дата обращения: 15 ноября 2017. Архивировано 9 июля 2016 года. (англ.)
  20. ↑ Китайская компания Cambricon разрабатывает чипы ИИ для дата-центров.  (неопр.) Дата обращения: 15 июня 2018. Архивировано из оригинала 16 июня 2018 года.
  21. ↑ Cerebras ― процессор для ИИ невероятных размеров и возможностей  (неопр.). 3DNews. (20 августа 2019). Дата обращения: 21 августа 2019. Архивировано 20 августа 2019 года.
  22. ↑ KnuPath — нейроморфный процессор военного назначения  (неопр.). 3DNews. (9 июня 2016). Дата обращения: 17 ноября 2017. Архивировано 17 ноября 2017 года.
  23. ↑ Computex: Глава Nvidia не видит угрозы в «тензорном» процессоре Google  (неопр.). «Открытые системы». (1 июня 2016). Дата обращения: 17 ноября 2017. Архивировано 1 декабря 2017 года.
  24. ↑ Что принесёт на рынок новая архитектура NVIDIA Turing?  (неопр.) 3DNews. (14 августа 2018). Дата обращения: 17 августа 2018. Архивировано 23 марта 2019 года.
  25. ↑ Эра NVIDIA Volta началась с ускорителя Tesla V100  (неопр.). Servernews. (11 мая 2017). Дата обращения: 17 ноября 2017. Архивировано 1 декабря 2017 года.
  26. ↑ GTC Europe 2017: библиотека NVIDIA TensoRT 3 ускоряет работу нейросетей в 18 раз по сравнению с универсальным решением  (неопр.). Servernews. (12 октября 2017). Дата обращения: 17 ноября 2017. Архивировано 17 ноября 2017 года.
  27. ↑ Новый российский суперкомпьютер предназначен для обучения нейросетей  (неопр.). Servernews. (1 сентября 2017). Дата обращения: 17 ноября 2017. Архивировано 17 ноября 2017 года.
  28. ↑ AMD Announces Radeon Instinct: GPU Accelerators for Deep Learning, Coming in 2017, Anandtech (12 декабря 2016). Архивировано 12 декабря 2016 года. Дата обращения: 12 декабря 2016.
  29. ↑ Radeon Instinct Machine Learning GPUs include Vega, Preview Performance, PC Per (12 декабря 2016). Архивировано 11 августа 2017 года. Дата обращения: 12 декабря 2016.
  30. ↑ Huawei представляет будущее мобильного искусственного интеллекта на IFA 2017.  (неопр.) Дата обращения: 15 июня 2018. Архивировано 16 июня 2018 года.
  31. ↑ CEVA NeuPro. A Family of AI Processors for Deep Learning at the Edge.  (неопр.) Дата обращения: 15 июня 2018. Архивировано 16 июня 2018 года.
  32. ↑ The iPhone X’s new neural engine exemplifies Apple’s approach to AI, The Verge (13 сентября 2017). Архивировано 15 сентября 2017 года. Дата обращения: 17 ноября 2017.
  33. ↑ Imagination представила новые ИИ-ускорители PowerVR 2NX, 3DNews (8 июня 2018). Архивировано 16 июня 2018 года. Дата обращения: 15 июня 2018.
  34. ↑ India preps RISC-V Processors - Shakti targets servers, IoT, analytics  (неопр.). — «The Shakti project now includes plans for at least six microprocessor designs as well as associated fabrics and an accelerator chip». Дата обращения: 15 ноября 2017. Архивировано из оригинала 3 июля 2017 года. (англ.)
  35. ↑ Fujitsu разрабатывает специализированный процессор для систем ИИ  (неопр.). Servernews. (24 июля 2017). Дата обращения: 17 ноября 2017. Архивировано 17 ноября 2017 года.
  36. ↑ Intel представила нейроморфный процессор Loihi  (неопр.). 3DNews. (26 сентября 2017). Дата обращения: 17 ноября 2017. Архивировано 17 ноября 2017 года.
  37. ↑ Kalray MPPA  (неопр.). Дата обращения: 15 ноября 2017. Архивировано 23 апреля 2016 года. (англ.)
  38. ↑ Qualcomm показала нейропроцессор Zeroth  (неопр.). Logmag.net (16 октября 2013). Дата обращения: 17 ноября 2017. Архивировано 17 ноября 2017 года.
  39. ↑ embedded world. IVA TPU – DNN inference accelerator // NeuroMatrix Architecture for Neural Network Applications | embedded world (англ.). www.embedded-world.de. Дата обращения: 30 ноября 2020. Архивировано 21 января 2021 года.
  40. ↑ В России создана оригинальная процессорная архитектура, способная потеснить NVidia  (неопр.). CNews.ru. Дата обращения: 30 ноября 2020. Архивировано 25 ноября 2020 года.
  41. ↑ Inference Results (англ.). MLPerf. Дата обращения: 30 ноября 2020. Архивировано 28 ноября 2020 года.
  42. ↑ Sally Ward-Foxton. Machine learning benchmark expands support for edge, data center workloads (амер. англ.). Embedded.com (3 ноября 2020). Дата обращения: 30 ноября 2020. Архивировано 25 ноября 2020 года.

СсылкиПравить

Источник — https://ru.wikipedia.org/w/index.php?title=Нейронный_процессор&oldid=128603467