Cadence dope les performances IA de ses DSP Tensilica HiFi et Vision tout en améliorant leur éco-efficacité

Cadence0

Dans la foulée de l’annonce durant l’été de la plate-forme Tensilica Xtensa LX8, la société Cadence vient d’étoffer ses familles de DSP Tensilica HiFi et Vision avec quatre nouveaux modèles bâtis sur cette architecture, qui offre de nouvelles capacités destinées à répondre aux exigences croissantes des conceptions de puces-systèmes (SoC) en matière de performances système et d’intelligence artificielle (IA). Et ce tout en restant optimisée au niveau de la consommation d’énergie.

Dans le détail, les DSP Tensilica HiFi 1s et HiFi 5s ciblent les applications audio ou vocales, les applications d'imagerie peu complexes et les applications IA, tandis que les DSP Tensilica Vision 110 et Vision 130 intéressent plus spécifiquement les capteurs d'image, les caméras, les radars et les lidars.

« Alors que les cycles de conception de SoC restent longs, les algorithmes IA, eux, évoluent rapidement et les utilisateurs de nos blocs d’IP ont en conséquence besoin de la plus grande flexibilité possible, indique David Glasco, vice-président en charge de la recherche et du développement pour les activités IP Tensilica chez Cadence. Les systèmes IA embarqués et edge intègrent de multiples capteurs divers et variés, et il faut donc que toute solution d'inférence d'IA puisse s’adapter aux exigences de l'application finale. Concevoir dans une approche de niveau système est crucial, et les puces-systèmes SoC doivent être à la fois économes en énergie, flexibles et évolutives pour s'adapter aux types de réseaux de neurones émegents. »

Dans ce cadre, les derniers en date des DSP HiFi et Vision bénéficient des avantages inhérents à la plate-forme Xtensa LX8, à savoir la prise en charge native de la technologie Amba AXI (Advanced eXtensible Interface) pour une latence plus faible et un cache de niveau 2 pour des performances système jusqu’à 50% supérieures. Selon Cadence, des améliorations apportées à la technologie de prédiction de branchement permettent par ailleurs de réduire de 5% à 20 % le nombre de cycles pour les DSP HiFi et Vision. Enfin, les DSP, pris en charge par le nouveau kit de développement logiciel (SDK) NeuroWeave de Cadence, peuvent être associés aux unités de traitement neuronal (NPU) Cadence Neo pour y décharger les charges de travail d'inférence IA.

Selon les informations fournies par la société américaine, les nouveaux DSP Tensilica HiFi offrent des capacités supplémentaires pour l’intelligence artificielle et l’imagerie peu complexe afin de procurer des ressources de calcul additionnelles au-delà de l’audio, soit en tant que solution autonome, soit en complément des DSP Vision et des NPU Neo. En particulier les nouvelles capacités 8 bits présentes dans les DSP HiFi 1s doperaient les performances des traitements IA et d’image d’un facteur deux par rapport au DSP HiFi 1. Par ailleurs, l’accélération des calculs en virgule flottante à double précision assurerait des performances out-of-the-box jusqu’à 30 fois supérieures pour les codecs les plus populaires.

Les DSP Tensilica Vision 110 (128 bits) et Vision 130 (512 bits), quant à eux, offrent de nombreuses améliorations de performances pour répondre aux exigences croissantes des charges de travail liées aux capteurs et à l'IA, avec la capacité de décharger les processeurs génériques (CPU) ou graphiques (GPU) tout en offrant la meilleure efficacité énergétique de l'industrie, assure Cadence. Les deux DSP offrent des améliorations des performances IA jusqu'à 3 fois pour certaines charges de travail IA et jusqu'à 5 fois sur des noyaux spécifiques. A la clé également, une fréquence jusqu'à 20% plus élevée et une amélioration jusqu'à 2 fois des performances en virgule flottante 16 bits, 32 bits et 64 bits. Les transformées de Fourier rapides bénéficient aussi de performances jusqu'à 3 fois supérieures pour les applications radar.

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée à l’intelligence artificielle dans l’embarqué : Embedded-IA