Azure IoT Edge ビジョン AI のハードウェア アクセラレータ

コンピューター グラフィックスと人工知能 (AI) には、大量のコンピューティング能力が必要です。 Azure IoT Edge のビジョン AI プロジェクトを設計するうえで重要な要素は、ソリューションに必要なハードウェア アクセラレータの程度です。

グラフィックス プロセッシング ユニット (GPU)、Field Programmable Gate Array (FPGA)、特定用途向け集積回路 (ASIC) などのハードウェア アクセラレータは、パフォーマンスを向上させるためのコスト効果の高い方法です。

コンピューティング ハードウェアの種類

以下のセクションでは、IoT Edge ビジョン コンポーネント用のコンピューティング ハードウェアの主な種類について説明します。

CPU

中央処理装置 (CPU) は、ほとんどの汎用コンピューティングの既定のオプションです。 タイミングが重要ではないビジョン ワークロードでは、CPU で十分な場合があります。 ただし、タイミングが重要、カメラのストリームが複数ある、またはフレーム レートが高いワークロードでは、固有のハードウェア アクセラレータが必要になります。

GPU

GPU は、ハイエンドのコンピューター グラフィックス カードの既定のプロセッサです。 ハイ パフォーマンス コンピューター (HPC) のシナリオ、データ マイニング、AI または機械学習 (ML) の各ワークロードでは、すべて GPU が使用されます。 ビジョン ワークロードでは、GPU の大規模な並列コンピューティング能力を使用して、ピクセル データ処理を高速化します。 GPU の欠点は、エッジ ワークロードにおける重要な考慮事項である、電力消費量の増加です。

FPGA

FPGA は、ディープ ラーニング ニューラル ネットワークの拡大をサポートする強力で再構成可能なハードウェア アクセラレータです。 FPGA アクセラレータには、数百万のプログラミング可能なゲートと数百の I/O ピンがあり、1 秒あたりの数兆回の乗累算 (MAC) 演算を実行できます。 ビジョン ワークロード用に最適化された多くの FPGA ライブラリがあります。 これらのライブラリの一部には、下流のカメラとデバイスに接続するための構成済みのインターフェイスが含まれています。

ML と IoT Edge のワークロードでの FPGA の使用は、現在も進化し続けています。 FPGA は浮動小数点演算で能力不足になる傾向がありますが、製造元はこの領域での改善を行ってきています。

ASIC

ASIC は、特定のタスクを実行するために製造されます。 ASIC は、圧倒的に高速なアクセラレータですが、構成可能な程度が最も低くなります。 ASIC チップは、その小さいサイズ、ワットあたりの電力パフォーマンス、知的財産 (IP) の保護から、広く採用されています。 IP は ASIC チップに書き込まれるため、独自のアルゴリズムをリバース エンジニアリングするのは困難です。

共同作成者

この記事は、Microsoft によって保守されています。 当初の寄稿者は以下のとおりです。

プリンシパル作成者:

• Keith Hill | シニア PM マネージャー

パブリックでない LinkedIn プロファイルを表示するには、LinkedIn にサインインします。

次のステップ

Azure IoT Edge ビジョン AI における機械学習とデータ サイエンス