東芝(Toshiba)宣布成功開發出新款汽車應用影像識別系統級晶片(SoC),與東芝上一代產品相比,該產品使深度學習加速器的速度提升10倍,功率效率提高4倍。該技術成果的詳情已於2月19日在舊金山舉行的2019 IEEE國際固態電路會議(ISSCC)上發表。

自動緊急煞車等先進駕駛輔助系統可提供越來越快速反應等功能,但實現這些功能需要影像識別系統級晶片在低功耗條件下,高速識別道路交通號誌和路況。深度神經網路(DNN)是模仿大腦神經網路的演算法,與傳統模式識別和機器學習相比,DNN的識別處理精度要高得多,預計將會廣泛的應用在車用領域。而採用傳統處理器的DNN影像識別耗時較長,因依賴大量的乘積累加(MAC)計算。同時,採用傳統高速處理器的DNN尚存功耗過高問題。

東芝利用可在硬體上實現深度學習的DNN加速器解決了以上難題。此外,新系統級晶片符合全球汽車應用功能安全標準ISO26262之要求。該產品三大特點:

  • 並行MAC單元;DNN處理需要大量MAC運算,東芝的新SoC搭載四個處理器,每個處理器包含256個MAC單元,因此提高了DNN的處理速度。
  • 減少了DRAM存取。傳統的系統級晶片沒有本機記憶體,無法在靠近DNN執行單元的位置保存臨時資料,並且在存取本機記憶體時產生較大功耗。同時,載入用於MAC計算的加權數據也會產生較大功耗。東芝晶片可在DNN執行單元附近執行靜態隨機存取記憶體(SRAM),並將DNN處理分為多個子處理區塊,因此可將臨時資料保存在SRAM內,從而減少了DRAM存取。此外,東芝還在加速器上增加了一個解壓縮單元。可透過解壓縮單元載入預先壓縮並儲存在DRAM中的加權數據。因此,降低了載入來自DRAM的加權數據時產生的功耗。
  • 減少了SRAM存取。傳統深度學習需要在處理DNN的每一層之後存取DRAM,因此功耗過高。該加速器在DNN的DNN執行單元中設計有流水線層結構,以便在一次SRAM存取期間執行一系列DNN運算。