Энергоэффективность
Исследование относится к области энергоэффективного определения характеристик некоторого физического процесса средствами нейроморфного компьютерного зрения.
В качестве тестовой была выбрана задача определения скорости и направления вращения лопастей вентилятора. На практике решение такой задачи может потребоваться, например, в системах автоматического мониторинга промышленного ротационного оборудования.
В разработанном прототипе нейроморфной системы компьютерного зрения тестовая задача решается с использованием DVS-камеры, нейроморфного вычислителя на процессорах «Алтай» и гибридной импульсной нейронной сети, состоящей из энкодера, импульсной подсети и декодера.
Выбор DVS-камеры в качестве видеосенсора обусловлен событийным и асинхронным принципами её работы (пикселы работают независимо, реагируя только на изменения в сцене), что хорошо согласуется с аналогичными принципами обработки информации в импульсных нейронных сетях и нейроморфных процессорах.
Цикл работы нейроморфной системы
компьютерного зрения
Структура разработанной гибридной импульсной нейронной сети, демонстрирующая шаги обработки
Для обучения нейросети используется метод обратного распространения ошибки с квантованием весов (технология ANN2SNN). В импульсной части нейронная сеть содержит ~16.5K обучаемых тернарные весов {-1, 0, 1}. В качестве функции активации нейронов используется функция Хевисайда.
Для размещения обученной импульсной части нейронной сети требуется пятнадцать чипов «Алтай» в конфигурации прототипа с шестнадцатью ядрами на чип.
Событийный принцип нейроморфных вычислений по цепочке «сенсор, чип, нейронная сеть» наглядно иллюстрируется активностью ядер внутри чипа «Алтай» при работе импульсной нейронной сети с данными от DVS-камеры (см. рисунок ниже). Ядра активны только тогда, когда есть изменения в сцене (вращаются лопасти вентилятора). При этом активны только те локальные участки сети (нейроморфные ядра), которые в данный момент задействованы в обработке.

Пример активности нейроморфных ядер в зависимости от входного изображения, формируемого DVS-камерой. Показаны 15 чипов «Алтай», на которых размещена импульсная нейронная сеть. Каждый чип содержит 16 нейроморфных ядер, каждое из которых отображается квадратным элементом внутри чипа. Чем выше активность нейроморфного ядра, тем выше яркость соответствующего ему элемента в чипе.
Для оценки энергоэффективности аналогичная нейронная сеть, но с вещественными весами, была запущена на GPU Nvidia GTX 1650 Ti Mоbile 4 GB.
Видеозапись фрагмента экспериментов при моделировании различных скоростей вращения лопастей вентилятора приведена ниже.
Пример работы стенда
Графики
Angular velocities
Угловая скорость вращения лопастей вентилятора – истинная и предсказанная ИмНС на чипах «Алтай»
Угловая скорость вращения лопастей вентилятора – истинная и предсказанная нейронной сетью на GPU
Power consumption
Энергопотребление импульсной нейронной сети в милливаттах на чипах «Алтай»
Энергопотребление ИмНС на чипах «Алтай» и нейронной сети на GPU в ваттах, в логарифмическом масштабе
Видеопоток от видеокамеры
Видеопоток от видеокамеры
Панель активности ядер нейроморфных чипов «Алтай» Показаны 15 чипов «Алтай», на которых размещена импульсная нейронная сеть. Каждый чип содержит 16 нейроморфных ядер, каждое из которых отображается квадратным элементом внутри чипа. Чем выше активность нейроморфного ядра, тем выше яркость соответствующего ему элемента в чипе.и сравнение работы нейросетей на чипах Altai и GPU, энергопотребления и быстродействия
Как видно из графиков энергопотребления на рис. 5, энергопотребление импульсной нейронной сети на 15-ти чипах «Алтай» составляет в среднем 0.07 Вт. Аналогичная нейронная сеть с вещественными весами на GPU GTX 1650 Ti потребляет в среднем 13 Вт.
При этом нейроморфное решение обладает потенциалом для дальнейшего повышения энергоэффективности за счет работы импульсной нейросети не с кадрами (изображениями), а непосредственно с отдельными пикселами DVS-камеры, т.е. напрямую с порождаемыми ими событиями.
Обратная связь
Для обсуждения возможностей сотрудничества напишите нам
на
neuro@kaspersky.com
или
воспользуйтесь формой обратной связи