東芝汽車應用影像識別系統級晶片整合一種深度神經網路加速器

東京--(美國商業資訊)--東芝電子元件及儲存裝置株式會社（「東芝」）今日宣布成功開發出一款汽車應用影像識別系統級晶片(SoC)，與東芝上一代產品相比，該產品使深度學習加速器的速度提升10倍，功率效率提高4倍^[1]。該技術成果的詳情於2月19日在舊金山舉行的2019 IEEE國際固態電路會議(ISSCC)上公諸於眾。

此新聞稿包含多媒體內容。完整新聞稿可在以下網址查閱：https://www.businesswire.com/news/home/20190226005488/en/

自動緊急刹車等先進駕駛員輔助系統可提供越來越先進的功能，但實現這些功能需要影像識別系統級晶片在低功耗條件下高速識別道路交通信號和路況。

深度神經網路(DNN)是模仿大腦神經網路的演算法，與傳統模式識別和機器學習相比，DNN的識別處理精度要高得多，預計將會在汽車應用領域得到廣泛應用。而採用傳統處理器的DNN影像識別耗時較長，因為它依賴大量的乘積累加(MAC)計算。同時，採用傳統高速處理器的DNN還存在功耗過高問題。

東芝利用可在硬體上實現深度學習的DNN加速器解決了這一難題。它具有三大特點。

• 並行MAC單元。DNN處理需要大量MAC計算。東芝的新設搭載四個處理器，每個處理器包含256個MAC單元。因此提高了DNN的處理速度。
• 減少了動態隨機存取記憶體(DRAM)存取。傳統的系統級晶片沒有本機記憶體，無法在靠近DNN執行單元的位置保存臨時資料，並且在存取本機記憶體時產生較大功耗。同時，載入用於MAC計算的加權數據也會產生較大功耗。東芝新設備可在DNN執行單元附近執行靜態隨機存取記憶體(SRAM)，並將DNN處理分為多個子處理區塊，因此可將臨時資料保存在SRAM內，從而減少了DRAM存取。此外，東芝還在加速器上增加了一個解壓縮單元。可透過解壓縮單元載入預先壓縮並儲存在DRAM中的加權數據。因此，降低了載入來自DRAM的加權數據時產生的功耗。
• 減少了SRAM存取。傳統深度學習需要在處理DNN的每一層之後存取DRAM，因此功耗過高。該加速器在DNN的DNN執行單元中設計有流水線層結構，以便在一次SRAM存取期間執行一系列DNN計算。

新系統級晶片符合全球汽車應用功能安全標準ISO26262的要求。

東芝將繼續提高所開發的系統級晶片的功率效率和處理速度，且東芝下一代影像識別處理器Visconti^TM5的樣品出貨將於今年九月啟動。

* Visconti^TM是東芝電子元件及儲存裝置株式會社的商標
* 所有其他公司名稱、產品名稱和服務名稱均為其各自公司的商標。

關於東芝電子元件及存儲裝置株式會社

東芝電子元件及儲存裝置株式會社集新公司的活力與集團的經驗智慧於一身。自2017年7月成為一家獨立公司以來，我們已躋身領先的通用設備公司之列，並為客戶和商業合作夥伴提供卓越的離散半導體、系統LSI和HDD解決方案。

公司遍布全球的2.2萬名員工同心同德，竭力實現公司產品價值的最大化，同時重視與客戶的密切合作，促進價值和新市場的共同創造。我們期待在目前超過8000億日圓（70億美元）的年度銷售額基礎上再接再厲，為全球人類創造更加美好的未來。
有關公司的更多詳情，請造訪：https://toshiba.semicon-storage.com/ap-en/top.html

原文版本可在businesswire.com上查閱：https://www.businesswire.com/news/home/20190226005488/en/

免責聲明：本公告之原文版本乃官方授權版本。譯文僅供方便瞭解之用，煩請參照原文，原文版本乃唯一具法律效力之版本。

聯絡方式：

媒體詢問：
東芝電子元件及儲存裝置株式會社
公關與投資人關係部商業規劃部
Motohiro Ajioka
電話：+81-3-3457-3576
semicon-NR-mailbox@ml.toshiba.co.jp

東芝：DNN加速器（圖片：美國商業資訊）

東芝：新開發的系統級晶片（照片：美國商業資訊）