Fonctionnalités
- 502 TOP INT8
- 204MB SRAM sur puce
- 75W TDP 40W typique
- 8 TOPs/W
- Architecture At-Memory
- Tension et fréquence évolutives
- Faible latence, lot natif = 1 PCIe Gen4 x16
Applications
Les dispositifs runAI200 sont conçus pour accélérer une multitude de charges de travail d’inférence IA et HPC, telles que les réseaux convolutifs basés sur la vision, les réseaux transformateurs pour le traitement du langage naturel, l’analyse des séries temporelles pour les applications financières et l’algèbre linéaire à usage général pour les applications de calcul à haute performance.
| Marchés | Applications | Réseaux |
| Vision | Classification, détection d’objets, segmentation sémantique | ResNets, YOLO, SSD, Unets, Pose |
| Traitement du langage naturel | Synthèse vocale, synthèse vocale, chatbots | RNN, transformateurs, BERT |
| Technologie financière | Ajustements de la valeur X, risque de crédit, équilibrage du portefeuille | TCN, LSTM |
| Calculs de haute performance (HPC) | Modélisation du climat, inspection approfondie des paquets, simulations | FFT, BLAS, calcul arbitraire |
Kit de développement logiciel imAIgine
Le SDK imAIgine offre aux développeurs de puissants outils automatisés et des logiciels de soutien pour passer rapidement du modèle pilote à la production. Il est organisé en trois parties.
- Le compilateur imAIgine
- Importer directement des graphes TensorFlow, PyTorch ou ONNX
- Quantificateur automatisé et performances d’extraction sans sacrifier la précision
- Spécifier les niveaux de performance, l’utilisation du silicium et les objectifs de consommation d’énergie
- La boîte à outils imAIgine
- Évaluer les fonctionnalités et les performances à l’aide des nombreux outils de profilage et de simulation.
- Le Runtime imAIgine
- Fournit une API basée sur le langage C pour l’intégration dans votre environnement d’apprentissage profond.
- Contrôler l’état et la température des cartes d’accélération tsunAImi® pour garantir leur bon fonctionnement et éviter les dommages thermiques.
Ressources
- Feuille de données Livre blanchttps://www.untether.ai/products
- Comment accéder à l’accélérateur tsunAImi tsn200ES : Github