Project Trillium:Die fortschrittliche Plattform für maschinelles Lernen von Arm erklärt

• Arm hat das Projekt Trillium angekündigt, das über einen Prozessor für maschinelles Lernen und Objekterkennung der nächsten Generation sowie Software für neuronale Netzwerke verfügt. 
• Es wird auf eine breite Palette von Geräten abzielen, von Mobilgeräten und Home-Entertainment bis hin zu Sensoren und Rechenzentren und darüber hinaus.

Arm, ein multinationales Unternehmen für Halbleiter- und Softwaredesign, kündigte eine Plattform für maschinelles Lernen der neuen Generation mit dem Namen Project Trillium an. Es wurde speziell für maschinelles Lernen und neuronale Netzwerkfunktionen entwickelt und kann auf jedes Gerät skaliert werden, von Servern bis hin zu vernetzten Autos.

Der Bedarf an künstlicher Intelligenz wächst enorm und damit auch der Bedarf an Innovationen, um große Berechnungen zu bewältigen und gleichzeitig einen energieeffizienten Fußabdruck aufrechtzuerhalten. Das Unternehmen hat diese Plattform eingeführt, um eine breite Palette von Geräten mit einem hohen Maß an Flexibilität und Skalierbarkeit bereitzustellen.

Die heutigen Technologien für maschinelles Lernen konzentrieren sich nur auf eine bestimmte Geräteklasse, die geändert werden muss. Obwohl der Schwerpunkt des Projekts Trillium zunächst auf mobilen Prozessoren liegen würde, werden zukünftige Produkte die Flexibilität bieten, die Leistungskurve zu steigern – von intelligenten Lautsprechern über Home Entertainment bis hin zu Sensoren und mehr.

Armhaltungen

Arm ist der marktbeherrschende Anbieter von Prozessoren für Mobiltelefone und Tablets. Ihre Mali-GPUs werden in Laptops, mehr als 50 Prozent der Android-Tablets und einigen Versionen von Samsungs Smartwatches und Smartphones verwendet. Und ja, es ist die drittbeliebteste GPU auf mobilen Plattformen.

Die Kerndesigns von Arm werden in Chips verwendet, die verschiedene gängige Netzwerktechnologien in Smartphones unterstützen, wie Breitband, WLAN und Bluetooth. Ihre Hauptkonkurrenten sind AMD, Qualcomm, Nvidia und natürlich Intel. Im Jahr 2016 betrug das Gesamtvermögen des Unternehmens 3,21 US-Dollar.

Der neue Prozessor für maschinelles Lernen

Neben einer enormen Effizienzsteigerung übertrifft die heterogene Plattform für maschinelles Lernen von Arm die herkömmliche Logik digitaler Signalprozessoren bei weitem. Nach Angaben des Unternehmens kann der mobile Prozessor über 4,6 Billionen Operationen pro Sekunde ausführen Dadurch kann ein 2- bis 4-facher effektiver Durchsatz erzielt werden in realen Anwendungen durch intelligentes Datenmanagement.

Diese neuen Prozessoren bieten eine unübertroffene Leistung in kostenbeschränkten und thermischen Umgebungen mit einer Effizienz von 3 Billionen Operationen pro Sekunde Watt. Darüber hinaus verfügen sie über programmierbare Layer-Engines für Zukunftssicherheit und sind hochgradig konfigurierbar für erweiterte Geometrieimplementierungen.

Der Arm Objekterkennung Der Prozessor hingegen ist speziell für die Erkennung von Personen und Objekten mit praktisch unzähligen Objekten pro Bild entwickelt. Es bietet Echtzeiterkennung mit vollständiger High-Definition-Verarbeitung mit 60 Bildern pro Sekunde – bis zu 80-mal bessere Leistung als herkömmliche Prozessoren.

Quelle:Arm 

Der Objekterkennungsprozessor verfügt über ein detailliertes Personenmodell, das umfangreiche Metadaten bietet und die Erkennung von Flugbahn, Richtung, Pose und Geste ermöglicht. Es streamt Daten in Kilobyte-Größe, verringert die Bandbreite zur Cloud und ermöglicht die Aggregation von Tausenden von Streams pro Server.

Insgesamt liefern diese beiden Prozessoren eine leistungsstarke, effiziente Lösung zur Objekterkennung und -erkennung auf batterieschonende Weise.

Software für neuronale Netzwerke

Die Arm Neural Network-Software schließt die Lücke zwischen bestehenden neuronalen Netzwerk-Frameworks (wie Caffe, TensorFlow, Android NN) und der gesamten Palette von Arm Cortex-CPUs, Mail-GPUs und Prozessoren für maschinelles Lernen.

Einfach ausgedrückt handelt es sich um Open-Source-Linux-Software und -Tools, die maschinelles Lernen auf energieeffizienten Geräten ermöglichen. Entwickler werden in der Lage sein, die Leistung und Fähigkeiten der zugrunde liegenden Arm-Hardware vollständig zu nutzen, um die höchste Leistung von Anwendungen für maschinelles Lernen zu erzielen.

Lesen Sie:Die 19 innovativsten Startups für künstliche Intelligenz

Die neue Suite von Arm-IP für maschinelles Lernen wird im April als frühe Vorschau zur Verfügung stehen und Mitte 2018 allgemein verfügbar sein.