Das Softwareentwicklungskit und die zugehörige CoreVectorBlox-IP stehen kostenlos zur Verfügung und sind als integrierte Toolchain konzipiert. Modelle für konvolutionelle neuronale Netze (CNN) auf PolarFire-FPGA- und -SoC-Plattformen lassen sich so optimieren, kompilieren und bereitstellen. Da der Beschleuniger sich an unterschiedliche Modellgrößen anpassen lässt und mehrere KI-Workloads auf einem einzigen Gerät unterstützt, lassen sich verschiedene bildverarbeitungs- oder sensorbasierte KI-Funktionen auf einem FPGA zusammenfassen.
Wie funktioniert das?
Durch die Unterstützung dünnbesetzter neuronaler Netze (Sparse Neural Networks) ermöglicht VectorBlox 3.0 die effiziente Ausführung bildverarbeitungsbasierter CNN-Modelle, indem Operationen mit dem Wert Null übersprungen werden. Dies hilft Entwicklern, die Inferenzleistung zu steigern und den Stromverbrauch zu senken. Die Sparsity-basierte Modellkomprimierung reduziert den Rechen- und Speicherbedarf, ohne die Genauigkeit zu beeinträchtigen.
Das VectorBlox SDK v3.0 wird von der Libero SoC Design Suite von Microchip unterstützt und lässt sich in die CoreVectorBlox-IP integrieren. VectorBlox SDK v3.0 und CoreVectorBlox-IP stehen Kunden kostenlos zur Verfügung.
