Sekiz bit tam sayı çözünürlüğü kullanılarak bir GoogLeNet Inception-v1 CNN olarak gösterildi. Saniyede 16,8 terra işlemi (TOPS) elde etti ve bir Xilinx Virtex UltraScale + XCVU9P-3 fpga'da saniyede 5.300'den fazla görüntü çıkarabilir. Modüler, ölçeklenebilir yaklaşım, kenarda ve bulutta nesne algılama ve video işleme uygulamaları için uygun hale getirir, Fawcett'in yanı sıra veri merkezlerinde ve akıllı kameralarda çıkarım için de uygundur.

DPU, paralel DSP mimarisini, dağıtılmış belleği ve farklı algoritmalar için mantık ve bağlanabilirliğin yeniden yapılandırılabilirliğini kullanarak makine öğrenme uygulamalarındaki sinir ağı topolojileri için optimum hesaplama performansı sağlayacak şekilde yapılandırılabilir.

DPU, rakip herhangi bir CNN'den% 50'den fazla performans elde ediyor ve belirli bir güç veya maliyet bütçesi için GPU'ları gerçekleştiriyor. Fapcett, “fpga, geleceğin kanıtlanması için çok esnek olan ve yapay zekadaki GPU'lardan daha düşük gecikme ile daha iyi performans gösterebilen, dünyayı yenen bir platform ve mimaridir” diye ekledi.

Şirket ayrıca DPP'ye (Oxford Üniversitesi'nden PhD0) fpgas üzerinde derin öğrenme hızlandırması uygulamak için teknikler incelemesi için sponsor olduğunu duyurdu.