Lattice sensAI Lösungsstack verein­facht die Ent­wick­lung von AI/ML-Modellen auf smarten Geräten am Netz­werk­rand

Lattice Semiconductor Corporation hat seinen preisgekrönten Lattice sensAI-Lösungsstack um Funk­tionen für die schnellere Ent­wick­lung von AI/ML-Anwen­dungen auf strom­sparenden Lattice FPGAs erwei­tert. Zu den Verbes­se­rungen zählen Unterstützung für die Embedded-Prozes­sor-Ent­wick­lungs­umge­bung Lattice Propel und das TensorFlow Lite Deep-Learning-Framework für Inferencing auf solchen Prozes­soren. Die neue Version umfasst Lattice sensAI Studio, eine Ent­wick­lungs­umge­bung für Ende-zu-Ende-Training, Vali­die­rung und Compilierung von ML-Modellen. Mit sensAI 4.0 können Entwickler über eine einfache Drag&Drop-Schnittstelle FPGA-Designs mit einem RISC-V-Prozessor und einer CNN-Beschleunigungs-Engine erstellen, um ML-Anwendungen schnell und einfach auf strom­sparenden Edge-Geräten zu implementieren.

Die wichtigsten Verbes­se­rungen am Lattice sensAI-4.0-Lösungsstack:

TensorFlow Lite – die Unterstützung für dieses Framework redu­ziert den Strom­ver­brauch und steigert die Daten-Co-Processing-Leis­tung in AI/ML-Inferencing-Anwen­dungen. TensorFlow Lite läuft auf einem Lattice FPGA zwei- bis zehnmal schneller als auf einer MCU auf der Basis von ARM Cortex-M4.

Lattice Propel – der Stack unter­stützt sowohl die grafische Benutzer­ober­fläche als auch die Befehlszeilenkommandos der Propel-Umge­bung und ermög­licht dadurch Erstellung, Analyse, Compilierung und Debug­ging sowohl des Hard­ware- als auch Soft­ware-Designs eines FPGA-basierten Prozes­sor­systems. Selbst Entwickler, die mit FPGA-Design nicht vertraut sind, können mithilfe der benutzer­freund­lichen Drag&Drop-Oberfläche des Tools AI/ML-Anwendungen auf stromsparenden Lattice-FPGAs mit Unterstützung für RISC-V-basiertes Co-Processing erstellen.

Lattice sensAI Studio – ein Tool mit grafischer Benutzer­ober­fläche für Training, Vali­die­rung und Compilierung von ML-Modellen, die für Lattice FPGAs opti­miert sind. Das Tool macht es einfach, die Vorteile des Transfer-Lernens für den Einsatz von ML-Modellen zu nutzen.

Verbesserte Leistung – durch die Nutzung von Fortschritten bei der ML-Modellkompres­sion und beim Pruning unter­stützt sensAI 4.0 die Bildverarbeitung mit 60 FPS bei QVGA-Auflösung oder 30 FPS bei VGA-Auflösung.