Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
0 9 2024 Elektronik 43 Mikrocontroller und Prozessoren Hardware wie die des DRP Es ist wichtig die Verarbeitungsaufgaben an die richtigen Stellen zu verteilen und koordiniert zu verarbeiten Dank der heterogenen Architektur von Renesas können DRP und CPU zusammenarbeiten Bild 2 gibt einen Überblick über die Architektur der Microprocessing Unit MPU und des KI-Beschleunigers DRP-AI3 Robotikanwendungen nutzen eine hochentwickelte Kombination aus KIbasierter Bilderkennung und nicht KIbasierten Entscheidungsund Steuerungsalgorithmen Daher wird eine Konfiguration mit einem DRP für die KI-Verarbeitung DRP-AI3 und einem DRP für Nicht-KI-Algorithmen den Durchsatz von Robotikanwendungen erheblich steigern Evaluierung der Rechenleistung von KI-Modellen Der mit dieser Technologie ausgestattete MPU »RZ V2H« von Renesas verzeichnet bei der Rechenleistung des KI-Beschleunigers ein Maximum von 8 TOPS Tera Operations per Second Darüber hinaus kann bei KI-Modellen die beschnitten Pruning wurden die Anzahl der Operationszyklen im Verhältnis zum Umfang des Prunings reduziert werden Auf diese Weise lässt sich im Vergleich zu Modellen ohne Pru ning eine Rechenleistung der KI-Modelle von maximal 80 TOPS erzielen Das ist ungefähr das 80-fache der Rechenleistung der bisherigen »RZ V«-Produkte Dies stellt eine erhebliche Leistungssteigerung dar die mit der rasanten Weiterentwicklung von künstlicher Intelligenz ausreichend Schritt halten kann Bild 3 Mit der Beschleunigung der KI-Verarbeitung wird die Rechenzeit für die algorithmenbasierte Bildverarbeitung ohne KI wie z Bdie Preund Post-KI-Verarbeitung zu einem relativen Engpass Aber Bei KI-MPUs wird ein Teil des Bildverarbeitungsprogramms auf den DRP verlagert was die Verarbeitungszeit des Gesamtsystems verbessert Bild 4 Die Leistungsevaluierung des KI-Beschleunigers hat gezeigt dass er bei der Ausführung der wichtigsten KI-Modelle die weltweit beste Energieeffizienz – etwa 10 TOPS pro Watt – aufweist Bild 5 Renesas kann außerdem die gleiche KI-Echtzeitverarbeitung auf einem RZ V2H-Evaluierungsboard ohne Lüfter bei Temperaturen nachweisen die vergleichbar mit denen von Konkurrenzprodukten mit Lüftern sind Bild 6 Einsatzbeispiel und Ausblick SLAM Simultaneous Localization and Mapping ist beispielsweise eine typische Roboteranwendung Die komplexe Konfiguration erfordert mehrere Verarbeitungsarten zur Positionserkennung des Roboters parallel zur Umgebungserkennung durch die KI-Verarbeitung Der DRP von Renesas ermöglicht dem Roboter einen sofortigen Programmwechsel Der Parallelbetrieb mit einem KI-Beschleuniger und einer CPU ist nachweislich etwa 17-mal schneller als der CPU-Betrieb allein Das senkt den Stromverbrauch auf 1 12 des Niveaus shingo kojima ist Senior Principal Engineer of Embedded Processing bei Renesas Electronics Bild 5 Leistungseffizienz realer KI-Modelle – Testchip-Messung Bild Renesas Electronics Bild 6 Vergleich der Wärmeentwicklung zwischen einem lüfterlosen RZ V2H-Board und einer GPU mit Lüfter Bild Renesas Electronics wie dies bei einem reinen CPU-Betrieb der Fall wäre Renesas hat mit dem RZ V2H einen einzigartigen KI-Prozessor entwickelt Er kombiniert den geringen Stromverbrauch und die Flexibilität die von Anwendungen am Endpunkt benötigt werden mit Verarbeitungsfunktionen für das Pruning von KI-Modellen Der Prozessor ist damit zehnmal energieeffizienter 10 TOPS Wals die bisherigen Produkte Renesas wird zeitnah weitere Produkte auf den Markt bringen die mit der stets anspruchsvoller werdenden KI-Entwicklung Schritt halten Darüber hinaus trägt Renesas dazu bei Systeme zu entwickeln die intelligent und in Echtzeit auf Anwendungen am Endpunkt reagieren st