Flex Logix affirme que le problème de la mémoire DRAM de Deep Learning est résolu



[ad_1]

Reconnaissance d'images en temps réel Flex Logix
Image: Flex Logix

L'apprentissage en profondeur a un problème de DRAM. Les systèmes conçus pour effectuer des tâches difficiles en temps réel, telles que la détection d’un enfant dans le flux vidéo d’une caméra de recul d’une voiture, transmettent en continu les données qui constituent l’intestin du réseau de neurones, de la mémoire au processeur.

Le problème, selon le démarrage de Flex Logix, n’est pas un manque de stockage pour ces données; c’est un manque de bande pbadante entre le processeur et la mémoire. Certains systèmes ont besoin de quatre, voire huit, de puces DRAM pour injecter des centaines de gigabits dans le processeur, ce qui ajoute beaucoup d’espace et consomme beaucoup d’énergie. Flex Logix indique que la technologie d'interconnexion et l'architecture à base de mosaïques mise au point pour les puces reconfigurables conduiront à des systèmes d'intelligence artificielle nécessitant la bande pbadante d'une seule puce DRAM et consommant un dixième de la puissance.