com!-Academy-Banner
KI-Hardware

Project Trillium macht ARM-Chips fit für Machine Learning

von - 14.02.2018
KI-Roboterhand
Foto: ARM
Der Chipdesigner ARM will seine Chipsets mit speziellen KI-Prozessoren für Machine Learning rüsten. Die unter dem Projektnamen Trillium entwickelten Lösungen sollen sich speziell für mobile Geräte und Edge-Computing eignen.
Nachdem Huawei, Qualcomm und auch Apple ihre Chipsets mit speziellen Zusatzprozessoren für Workloads rund um Machine Learning und Computer Vision versehen haben, will nun auch der Chipdesigner ARM seine Hardware für das KI-Zeitalter aufrüsten. Unter dem Projektnamen Trillium sollen künftig neue Lösungen für Künstliche Intelligenz im ARM-Portfolio entwickelt werden. Damit will der Hersteller auch eine direkte Verbindung zu bestehenden neuralen Lösungen von ARM-Partnern schaffen. Zu nennen wären hier etwa die etablierten Frameworks wie Google TensorFlow, Caffe, die Android NN API und MXNet.
Direkt zur Präsentation des neuen Projekts kündigt ARM zwei KI-Chips für maschinelles Lernen und die automatische Objekterkennung an. Der ML-Prozessor bietet laut Hersteller eine Rechenleistung von bis zu 4,6 TeraOPS und soll eine optimale Effizienz mit 3,0 TeraOPS pro Watt bieten. Der Co-Prozessor kommt zur Ausführung von fertig trainierten Modellen zum Einsatz. Im Vergleich zur herkömmlichen CPU oder GPU können diese Modelle dank eines optimierten Designes wesentlich schneller ausgeführt werden.
OD Prozessor
Der OD-Prozessor soll eine leistungsfähige automatische Bilderkennung ermöglichen.
(Quelle: ARM )
Unterdessen ist der sogenannte ARM Object Detection (OD) Processor für die automatisierte Objekterkennung zuständig. Der Hersteller verspricht hier in der Praxis eine Computer-gestützte Bilderkennung in Echtzeit bei einer Full-HD-Auflösung und 60 Bildern pro Sekunde. Die Objekterkennung unterstützt dabei alle Größen von 50 x 60 Pixel bis hin zum gesamten Bildschrim. In der Praxis könne das Chipset etwa für smarte IP-Kameras mit Cloud-Anschluss eingesetzt werden, um das Streaming auf die Momente zu beschränken, in denen wirklich Menschen von der Kamera erfasst werden. Als zusätzlicher Pre-Prozessor könne der OD-Chip zudem in Kombination mit der ML-Einheit und herkömmlichen ARM-CPUs und GPUs die Rechenlast bei anfallenden KI-Workloads signifikant verringern.
Neben den beiden Prozessor-Designes hat ARM auch ein eigens für Project Trillium entwickeltes Neural-Network-SDK im Programm. Dieses erlaubt Software-Entwicklern eine nahtlose Anbindung zu bestehenden KI-Frameworks.

Machine Learning wird universell verfügbar

ARMs Chipdesignes dominieren den Mobil Markt und sind auch in unzähligen IoT-Geräten verbaut. Für Hardware-Partner wird es nun mit Project Trillium einfacher, ihre Geräte mit KI-Lösungen auszustatten. Hierdurch erfolgt auch eine Demokratisierung des Marktes, da eine effizientere Nutzung von Machine Learning nicht mehr nur den großen Herstellern vorbehalten ist.
Verwandte Themen