
Automobile : l’intelligence artificielle est aussi l’affaire du processeur multicœur de Kalray A l’occasion du salon Embedded World 2017 qui s’est tenu mi-mars, la société française de semi-conducteurs Kalray, qui ne cache plus ses ambitions dans le domaine automobile (lire notre article ici), a voulu prouver ...que ses processeurs massivement multicœurs sont bien adaptés à l’exécution des logiciels d’intelligence artificielle. Et notamment des réseaux de neurones à convolution (CNN) pour apprentissage profond (deep learning) qui vont constituer le nerf de la guerre des futurs véhicules autonomes et que l’on va retrouver aussi dans les aéronefs, les drones ou les robots. Sur la manifestation allemande, Kalray a ainsi dévoilé une solution d’apprentissage profond qui s’appuie, d’une part, sur son processeur MPPA2-256 Bostan à 288 cœurs, et, d’autre part, sur un outil, baptisé KaNN (Kalray Neural Network), qui permet de développer et d’évaluer des réseaux de neurones sur le circuit du Français (voir illustration ci-dessous). Outil qui s’avère d’ailleurs compatible avec des réseaux ou des frameworks CNN d’apprentissage profond communément utilisés comme GoogLeNet, Squeezenet ou Caffe. A cet égard, Kalray a pu démontrer que l’architecture massivement multicœur MPAA était particulièrement efficace dans l’exécution de GoogLeNet avec des performances brutes presque deux fois supérieures à celle du Tegra X1 de Nvidia dans le cadre de reconnaissance d’images (et un rapport performances/watt également supérieur). Des résultats que la firme hexagonale explique en particulier par l’importante capacité mémoire embarquée sur le processeur Bostan (40 Mo) qui est utilisée pour le stockage de neurones et des poids synaptiques et qui s’avère garante de l’efficacité de calcul. La large bande passante mémoire (supérieure à 1 To/s), le réseau faible latence embarqué, et l’éco-efficacité des 288 cœurs aptes à développer une puissance de traitement globale de 1 Tflops (et sur lesquels sont réparties les différentes couches des réseaux CNN) contribuent aussi à l’obtention d’un tel résultat. Kalray espère toutefois améliorer encore d’un facteur 20 les performances en intelligence artificielle de ses rejetons avec l’échantillonnage en 2018 de la 3e génération des processeurs MPAA (nom de code Coolidge). Gravés en technologie 16 nm (contre 28 nm pour les Bostan), ceux-ci hébergeront en sus des coprocesseurs dédiés notamment à l’apprentissage automatique et/ou à la vision artificielle, précise le Français.

Automobile : l’intelligence artificielle est aussi l’affaire du processeur multicœur de Kalray

A l’occasion du salon Embedded World 2017 qui s’est tenu mi-mars, la société française de semi-conducteurs Kalray, qui ne cache plus ses ambitions dans le domaine automobile (lire notre article ici), a voulu prouver ...que ses processeurs massivement multicœurs sont bien adaptés à l’exécution des logiciels d’intelligence artificielle. Et notamment des réseaux de neurones à convolution (CNN) pour apprentissage profond (deep learning) qui vont constituer le nerf de la guerre des futurs véhicules autonomes et que l’on va retrouver aussi dans les aéronefs, les drones ou les robots.

Sur la manifestation allemande, Kalray a ainsi dévoilé une solution d’apprentissage profond qui s’appuie, d’une part, sur son processeur MPPA2-256 Bostan à 288 cœurs, et, d’autre part, sur un outil, baptisé KaNN (Kalray Neural Network), qui permet de développer et d’évaluer des réseaux de neurones sur le circuit du Français (voir illustration ci-dessous). Outil qui s’avère d’ailleurs compatible avec des réseaux ou des frameworks CNN d’apprentissage profond communément utilisés comme GoogLeNet, Squeezenet ou Caffe.

A cet égard, Kalray a pu démontrer que l’architecture massivement multicœur MPAA était particulièrement efficace dans l’exécution de GoogLeNet avec des performances brutes presque deux fois supérieures à celle du Tegra X1 de Nvidia dans le cadre de reconnaissance d’images (et un rapport performances/watt également supérieur). Des résultats que la firme hexagonale explique en particulier par l’importante capacité mémoire embarquée sur le processeur Bostan (40 Mo) qui est utilisée pour le stockage de neurones et des poids synaptiques et qui s’avère garante de l’efficacité de calcul. La large bande passante mémoire (supérieure à 1 To/s), le réseau faible latence embarqué, et l’éco-efficacité des 288 cœurs aptes à développer une puissance de traitement globale de 1 Tflops (et sur lesquels sont réparties les différentes couches des réseaux CNN) contribuent aussi à l’obtention d’un tel résultat.

Kalray espère toutefois améliorer encore d’un facteur 20 les performances en intelligence artificielle de ses rejetons avec l’échantillonnage en 2018 de la 3e génération des processeurs MPAA (nom de code Coolidge). Gravés en technologie 16 nm (contre 28 nm pour les Bostan), ceux-ci hébergeront en sus des coprocesseurs dédiés notamment à l’apprentissage automatique et/ou à la vision artificielle, précise le Français.