Intel Myriad-2 Entwicklungsboard

Der Neural Network Compute Stick von Movidius™ ermöglicht die Entwicklung eines Deep Neural Networks, ohne dass dafür kostspielige, leistungshungrige Supercomputer-Hardware erforderlich ist. Erstellen Sie einfach einen Prototypen und tunen Sie das Deep Neural Network mit der Rechenleistung des Movidius-Sticks von 100 Gflops. Eine Verbindung zur Cloud ist nicht erforderlich. Der Formfaktor des USB-Sticks erleichtert den Anschluss an einen Host-PC, während die On-Board-Myriad-2-Vision-Prozessoreinheit (VPU) die erforderliche Rechenleistung liefert. Das Myriad-2 erreicht hohe Effizienz bei der parallelen Verarbeitung durch zwölf VLIW-Prozessoren (Very Long Instruction Word). Die Entscheidung für die parallele Verarbeitung erfolgt bei der Kompilierung des Programms, sodass die Prozessoren diese Aufgabe nicht während der Laufzeit ausführen müssen.

• Movidius 600-MHz-Myriad-2-SoC mit 12 x VLIW SHAVE-128-Bit-Vektorprozessoren;• 2 MB integrierter Speicher mit einer Übertragungsrate von 400 Gbit/s;• Unterstützt FP16, FP32 und Ganzzahl-Operationen mit 8-, 16- und 32-Bit-Genauigkeit;• Komplette Daten- und Stromversorgung erfolgt über einen einzelnen USB-3.0-Anschluss an einem Host-PC

Automatische Konvertierung eines trainierten Caffe-basierten Convolutional Neural Network (CNN) in ein eingebettetes neuronales Netzwerk, das für die On-Board-Myriad-2-VPU optimiert ist. Die SDK unterstützt auch TensorFlow.

Layer-by-Layer-Leistungsmetriken für Industriestandard- und individuelle neuronale Netzwerke ermöglichen effektives Tuning für eine optimale, reale Leistung bei extrem niedrigen Leistungsanforderungen. Mit Validierungs-Scripts können Entwickler die Genauigkeit des optimierten Modells auf dem Gerät mit dem ursprünglichen PC-basierten Modell vergleichen.

Der Stick von Movidius kann als diskreter Beschleuniger für neuronale Netzwerke eingesetzt werden, indem er spezielle Deep-Learning-Inferenz-Funktionen zu vorhandenen Computerplattformen hinzufügt und so für eine verbesserte Leistung und Energieeffizienz sorgt.