嵌入式微處理器效能指針聯(lián)盟(Embedded Microprocessor Benchmark Consortium,；EEMBC) 最近展開一項定義機器學習基準的任務,，鎖定在網絡邊緣的設備上執(zhí)行推論作業(yè),。該項任務源于另一項基準檢驗計劃——EEMBC計劃在今年6月針對先進駕駛輔助系統(tǒng)(ADAS)的芯片發(fā)布測試基準。

　　這項工作至少是最近六個月來針對神經網絡性能進行測量的第三項重要行動,。它很可能是第一個瞄準用于功耗受限之嵌入式系統(tǒng)的芯片測試基準,。

　　就在上個月,，百度(Baidu)和Facebook宣布與幾家芯片制造商連手,，發(fā)布新的測試基準——MLPerf,，首先專注于數(shù)據(jù)中心的訓練任務。去年12月,，服務器效能評測標準組織“事務處理效能委員會”(TPC)也組建了一個定義AI基準的工作小組,，其重點也在訓練上,。

　　EEMBC的AI工作小組主要圍繞在用于物聯(lián)網和其他嵌入式系統(tǒng)的智能喇叭、節(jié)點與網關芯片等,。該組織至今已開會三次了,，目標是在明年六月之前發(fā)布新的測試基準。獨立的ADAS基準已經在多家用戶展開beta測試了,。

　　EEMBC總裁的Peter Torelli說：“當我們建構ADAS基準時，從要求工程師學習這個復雜領域中,，發(fā)現(xiàn)了對于神經網絡產生了濃厚興趣,。”

　　到目前為止,，該工作小組大約有來自Arm,、ADI、英特爾(Intel),、英偉達(Nvidia),、恩智浦(NXP)、三星(Samsung),、意法半導體(STMicroelectronics)和德州儀器(TI)等十幾家嵌入式處理器供應商成員,。其目標在于廣納各種神經網絡類型和用例。

　　Torelli說：“我們正在征詢更多的意見,，特別是來自整合商和OEM的組件選擇,，以確保其可資利用。此外,，我們還需要掌握哪些網絡架構較重要,、哪些架構可以移植到邊緣?！?/p>

　　該基準旨在測量原始推論性能以及啟動神經網絡模型的時間,。該組織還希望能夠以標準方式定義一種測量任務功效的方法。

　　該計劃旨在使用行為模型,，讓用戶采納其所選擇的任何架構或運行時間,，以期能實現(xiàn)優(yōu)化。組織成員們也在討論測試是否將包含代表低,、中,、高復雜度任務的等級。

　　這項任務由英特爾計算機視覺和機器學習工程總監(jiān)Ramesh Jaladi擔任主席,，負責各種系統(tǒng)的基準檢驗工作,。

　　Arm稱贊EEMBC過去各種在嵌入式處理器基準檢驗的出色表現(xiàn)，但也指出現(xiàn)在仍然是AI開發(fā)工作的早期階段,。該公司也與中國的AI產業(yè)聯(lián)盟合作推動另一項基準檢驗,。

　　“我們將積極地協(xié)助業(yè)界推動一系列有用的AI基準檢驗,，”Arm機器學習團隊營銷副總裁Dennis Laudick說。

　　EEMBC另一項ADAS基準檢驗以OpenCL為基礎,，并從3大面向測試8種操作數(shù)素——包括2D影像檢測,、輪廓檢測以及使用卷積神經網絡進行推論。此外,，還有一家汽車制造商從2年前開始就參與了這項計劃,。