Microchip dévoile un kit de développement logiciel et une IP de réseau de neurones, pour créer facilement des solutions de vision embarquée intelligente à base de FPGA basse-consommation
Le SDK VectorBlox et l'IP de Microchip offrent aux développeurs logiciel un moyen facile de programmer un réseau de neurones pré-entrainés, sans être un expert des FPGA .
Avec l'essor de l'intelligence artificielle (IA), de l'apprentissage automatique (ML ou Machine Learning) et de l’IoT (Internet of Things, ou Internet des objets), certaines applications migrent vers "l’Edge" (périphérie du réseau) - là où les données sont collectées - ce qui réclame des solutions à faible consommation capables de fournir des performances de calcul en hausse dans des formats typiques toujours plus petits, avec des contraintes thermiques supérieures. Par le biais de son initiative Smart Embedded Vision (Vision embarquée intelligente), Microchip Technology répond au besoin croissant d'inférence basse consommation des applications Edge, en permettant aux développeurs logiciel de mettre en œuvre plus facilement leurs algorithmes sur des réseaux prédiffusés programmables (FPGA) PolarFire®. Ajout majeur au portefeuille de solutions dans ce segment, le kit de développement logiciel (SDK) VectorBlox Accelerator de Microchip permet aux développeurs de tirer parti des FPGA PolarFire pour créer des applications basse consommation, en s'appuyant sur des réseaux de neurones et une gestion d’overlay très souple, sans être un expert des FPGA.
Les FPGA sont idéaux pour les applications d’IA Edge, comme l'inférence en environnement informatique à contrainte de consommation, puisqu’ils sont capables d’effectuer davantage d'opérations par seconde, avec un meilleur rendement énergétique, qu'un processeur classique de type CPU ou GPU, mais par contre ils nécessitent des compétences hardware spécifiques. Le SDK VectorBlox Accelerator de Microchip permet aux développeurs de coder en C/C++ et de programmer des réseaux de neurones basse consommation, sans expérience préalable de conception de FPGA.
Ce kit d'outils très souple sait faire tourner des modèles au format TensorFlow, ou au format ONNX (Open Neural Network Exchange) qui offre l'interopérabilité la plus large entre cadres applicatifs. ONNX supporte en effet de nombreux cadres tels que Caffe2, MXNet, PyTorch et MATLAB®.
Contrairement à d’autres outils FPGA, le SDK VectorBlox Accelerator de Microchip est supporté sous les systèmes d'exploitation Linux® et Windows®, et comprend également un simulateur précis au bit près, permettant à l'utilisateur de valider la précision du matériel, dans l'environnement logiciel. L’IP de réseau de neurones inclus dans le kit permet aussi de charger différents modèles de réseau en cours d'exécution.
« Pour que les développeurs logiciel puissent profiter de l'efficacité énergétique des FPGA, il faut leur éviter la corvée d’apprendre de nouvelles architectures FPGA et de nouveaux flux d'outils propriétaires, tout en leur offrant la souplesse nécessaire au portage de solutions multi-cadres et multi-réseaux, » déclare Bruce Weyer, Vice-Président de la division FPGA de Microchip.
« Le SDK VectorBlox Accelerator et l’IP de réseau de neurones de Microchip apportent aux développeurs logiciel et matériel un moyen de mettre en œuvre une architecture à réseau de neurones convolutif, avec une gestion d’overlay extrêmement souple, à base de FPGA PolarFire. Partant de cette architecture, ils pourront plus facilement construire et mettre en œuvre des systèmes d’IA Edge, présentant les formats typiques les plus petits, les meilleures performances thermiques, et les consommations les plus faibles, dans leur catégorie. »
Pour l'inférence Edge, les FPGA PolarFire permettent une réduction de consommation de 50% par rapport aux dispositifs concurrents, tout en offrant une puissance de calcul supérieure de 25%, pouvant atteindre 1,5 TOPS (Téra Opérations Par Seconde). En utilisant des FPGA, les développeurs ont aussi davantage de possibilités de personnalisation et de différenciation, grâce à l'évolutivité inhérente des dispositifs, et à leur capacité à intégrer plusieurs fonctions sur une même puce. Les FPGA PolarFire à IP de réseau de neurones sont disponibles en plusieurs tailles, en fonction des performances nécessaires, de la consommation autorisée, et de la taille de boîtier acceptable pour l'application, ce qui permet aux utilisateurs de mettre en œuvre leurs solutions dans des boîtiers à partir de 11 × 11 mm.
L'initiative Smart Embedded Vision de Microchip a été lancée en juillet dernier, pour fournir aux développeurs de logiciel et de matériel, des outils, des propriétés intellectuelles IP, et des cartes électroniques permettant de répondre aux exigences d’applications Edge, en termes de contraintes thermiques et de formats typiques miniatures. Etant donné que les FPGA PolarFire consomment moins d’énergie que d’autres solutions, il est possible de se passer de ventilateurs dans les boîtiers. Les FPGA PolarFire offrent également des possibilités d’intégration fonctionnelle pour la conception du client. Par exemple, pour des applications de type caméra intelligente, les FPGA PolarFire peuvent très bien intégrer le pipeline du signal d'image, c’est-à-dire l'interface du capteur, le contrôleur DDR, l'IP de traitement d'images et les interfaces réseau ; en plus bien sûr du moteur d’inférence d'apprentissage automatique.
Les FPGA sont idéaux pour les applications d’IA Edge, comme l'inférence en environnement informatique à contrainte de consommation, puisqu’ils sont capables d’effectuer davantage d'opérations par seconde, avec un meilleur rendement énergétique, qu'un processeur classique de type CPU ou GPU, mais par contre ils nécessitent des compétences hardware spécifiques. Le SDK VectorBlox Accelerator de Microchip permet aux développeurs de coder en C/C++ et de programmer des réseaux de neurones basse consommation, sans expérience préalable de conception de FPGA.
Ce kit d'outils très souple sait faire tourner des modèles au format TensorFlow, ou au format ONNX (Open Neural Network Exchange) qui offre l'interopérabilité la plus large entre cadres applicatifs. ONNX supporte en effet de nombreux cadres tels que Caffe2, MXNet, PyTorch et MATLAB®.
Contrairement à d’autres outils FPGA, le SDK VectorBlox Accelerator de Microchip est supporté sous les systèmes d'exploitation Linux® et Windows®, et comprend également un simulateur précis au bit près, permettant à l'utilisateur de valider la précision du matériel, dans l'environnement logiciel. L’IP de réseau de neurones inclus dans le kit permet aussi de charger différents modèles de réseau en cours d'exécution.
« Pour que les développeurs logiciel puissent profiter de l'efficacité énergétique des FPGA, il faut leur éviter la corvée d’apprendre de nouvelles architectures FPGA et de nouveaux flux d'outils propriétaires, tout en leur offrant la souplesse nécessaire au portage de solutions multi-cadres et multi-réseaux, » déclare Bruce Weyer, Vice-Président de la division FPGA de Microchip.
« Le SDK VectorBlox Accelerator et l’IP de réseau de neurones de Microchip apportent aux développeurs logiciel et matériel un moyen de mettre en œuvre une architecture à réseau de neurones convolutif, avec une gestion d’overlay extrêmement souple, à base de FPGA PolarFire. Partant de cette architecture, ils pourront plus facilement construire et mettre en œuvre des systèmes d’IA Edge, présentant les formats typiques les plus petits, les meilleures performances thermiques, et les consommations les plus faibles, dans leur catégorie. »
Pour l'inférence Edge, les FPGA PolarFire permettent une réduction de consommation de 50% par rapport aux dispositifs concurrents, tout en offrant une puissance de calcul supérieure de 25%, pouvant atteindre 1,5 TOPS (Téra Opérations Par Seconde). En utilisant des FPGA, les développeurs ont aussi davantage de possibilités de personnalisation et de différenciation, grâce à l'évolutivité inhérente des dispositifs, et à leur capacité à intégrer plusieurs fonctions sur une même puce. Les FPGA PolarFire à IP de réseau de neurones sont disponibles en plusieurs tailles, en fonction des performances nécessaires, de la consommation autorisée, et de la taille de boîtier acceptable pour l'application, ce qui permet aux utilisateurs de mettre en œuvre leurs solutions dans des boîtiers à partir de 11 × 11 mm.
L'initiative Smart Embedded Vision de Microchip a été lancée en juillet dernier, pour fournir aux développeurs de logiciel et de matériel, des outils, des propriétés intellectuelles IP, et des cartes électroniques permettant de répondre aux exigences d’applications Edge, en termes de contraintes thermiques et de formats typiques miniatures. Etant donné que les FPGA PolarFire consomment moins d’énergie que d’autres solutions, il est possible de se passer de ventilateurs dans les boîtiers. Les FPGA PolarFire offrent également des possibilités d’intégration fonctionnelle pour la conception du client. Par exemple, pour des applications de type caméra intelligente, les FPGA PolarFire peuvent très bien intégrer le pipeline du signal d'image, c’est-à-dire l'interface du capteur, le contrôleur DDR, l'IP de traitement d'images et les interfaces réseau ; en plus bien sûr du moteur d’inférence d'apprentissage automatique.
