伦敦的嵌入式机器学习专家Plumerai使用其专有的低功耗二值化神经网络(BNN)为fpga开发了一个IP核。
Ikva加速器运行bnn，并使用Plumerai的工具流和与TensorFlow Lite集成的超快和内存高效推理引擎有效支持8位模型。一个32位的RISC-V处理器控制Ikva，从相机捕捉数据，并提供一个编程友好的运行环境。
该公司表示:“在开发Ikva的过程中，我们的目标是为我们优化的AI模型设计新的硬件架构，同时保持高度灵活，适合未知的未来模型。”“与其他似乎要么开发模型、要么培训软件或人工智能处理器的人工智能公司不同，我们专注于完整的人工智能堆栈，而Ikva核心完成了我们的产品。有了Ikva，我们现在支持从数据收集到训练和模型开发，再到非常高效的推理引擎，现在一直到提供最优化的硬件实现的全部人工智能堆栈。
IKVA适用于小型和低功耗的FPGA，如晶格Crosslink-NX，但可在内存和计算电源中进行缩放。
Plumerai公司已经将其专有的个人存在检测模型与推理软件一起移植到了一个Lattice CrossLink-NX LIFCL-40 FPGA的Ikva IP核上。这是一种低功耗、低成本的6x6mm FPGA，已经上市，并包含一个本地MIPI摄像机接口，进一步减少了系统中的组件数量。
IKVA在Crosslink-NX FPGA上更快地运行该人存在检测模型10x，而不是典型的ARM Cortex-M微控制器。或者，对于那些低能量消耗是键的应用，可以将帧速率缩放为1或2FP。
当房间里没有人时，它可以在家里自动关掉电视、灯或暖气。在屋外，有人走到前门时，门铃会发出信息，后院有不速之客时，小型摄像头会检测到。在办公室，电脑不使用时可以自动锁定屏幕，节省电池寿命。
其他ML模型也运行在Ikva核心上，该核心目前已经提供了支持工具流和优化的人员检测模型。
相关文章
eeNews Europe上的其他文章
