Share via

Aceleração de hardware para IA de pesquisa visual do Azure IoT Edge

  • Artigo

Os elementos gráficos computacionais e a IA (inteligência artificial) exigem grandes volumes de poder de computação. Um fator crítico na criação de projetos de IA de pesquisa visual do Azure IoT Edge é o grau de aceleração de hardware que a solução precisa.

Aceleradores de hardware, como GPUs (unidades de processamento de gráficos), FPGAs (matrizes de porta programáveis de campo) e ASICs (circuitos integrados) específicos do aplicativo são maneiras econômicas de melhorar o desempenho.

Tipos de hardware de computação

As seções a seguir descrevem os principais tipos de hardware de computação para componentes de pesquisa visual do IoT Edge.

CPU

Uma CPU (unidade de processamento central) é a opção padrão para a computação de finalidade mais geral. Uma CPU pode ser suficiente para cargas de trabalho de pesquisa visual em que o tempo não é crítico. No entanto, cargas de trabalho que envolvem o tempo crítico, vários fluxos de câmera ou altas taxas de quadros precisam de aceleração de hardware específica.

GPU

Uma GPU é o processador padrão para placas gráficas de computador de última geração. Cenários de computador de alto desempenho (HPC), mineração de dados e cargas de trabalho de IA ou machine learning (ML) usam GPUs. As cargas de trabalho de pesquisa visual usam o enorme poder de computação paralela das GPUs para acelerar o processamento de dados de pixel. A desvantagem para uma GPU é seu maior consumo de energia, o que é uma consideração crítica nas cargas de trabalho de borda.

FPGA

Os FPGAs são aceleradores de hardware poderosos e reconfiguráveis que dão suporte ao crescimento de redes neurais de aprendizado profundo. Os aceleradores FPGA têm milhões de portões programáveis e centenas de pinos de E/S e podem fazer trilhões de operações de MAC (multiplicação acumulada) por segundo (TOPS). Há muitas bibliotecas de FPGA otimizadas para cargas de trabalho de pesquisa visual. Algumas dessas bibliotecas incluem interfaces pré-configuradas para se conectar a câmeras e dispositivos downstream.

O uso de FGPAs em cargas de trabalho de ML e IoT Edge ainda está evoluindo. As FPGAs tendem a ficar aquém das operações de ponto flutuante, mas os fabricantes fizeram melhorias nessa área.

ASIC

Os ASICs são fabricados para realizar uma tarefa específica. Os ASICs são de longe os aceleradores mais rápidos disponíveis, mas são os menos configuráveis. Os chips ASIC são populares por causa de seu tamanho pequeno, desempenho de potência por watt e proteção de propriedade intelectual (IP). O IP é gravado em chips ASIC, dificultando a engenharia reversa de algoritmos proprietários.

Colaboradores

Esse artigo é mantido pela Microsoft. Ele foi originalmente escrito pelos colaboradores a seguir.

Autor principal:

Para ver perfis não públicos do LinkedIn, entre no LinkedIn.

Próximas etapas

Aprendizado de máquina e ciência de dados na IA de pesquisa visual do Azure IoT Edge