Conçu pour les développeurs de produits, les chercheurs et les fabricants, le module de calcul neuronal Movidius vise à réduire les obstacles actuels au développement, au réglage et au déploiement d'applications d'IA en offrant la puissance de traitement élevée d'un réseau neuronal profond dédié dans un module compact.
Alors que de plus en plus de développeurs adoptent des approches d'apprentissage automatique avancées pour créer des applications et des solutions innovantes, Intel reste déterminé à fournir les outils et les ressources de développement les plus complets afin de garantir que les développeurs soient prêts pour une économie numérique pilotée par l'IA. Qu'il s'agisse d'entraîner des réseaux neuronaux artificiels dans le cloud Intel® Nervana™, d'optimiser les charges de travail émergentes telles que l'intelligence artificielle, la réalité virtuelle et augmentée ou la conduite autonome à l'aide des processeurs Intel® Xeon® Scalable, ou de repousser les limites de l'IA avec l'unité de traitement de la vision (VPU) Movidius, Intel offre un large portefeuille d'outils d'IA, ainsi que des options pour l'entraînement et le déploiement de la prochaine génération de produits et services basés sur l'IA.
Le développement de l'intelligence artificielle comprend deux étapes fondamentales : (1) l'entraînement d'un algorithme à l'aide de vastes ensembles de données et de techniques d'apprentissage automatique modernes, et (2) l'utilisation de cet algorithme dans des applications destinées aux utilisateurs finaux, qui interprètent des données réelles. Cette seconde étape, appelée « inférence », offre de nombreux avantages, qu'elle soit appliquée de manière externe ou native sur l'appareil, en termes de latence, de consommation de ressources et de confidentialité :
Compilation : conversion automatique d'un réseau neuronal convolutif (CNN) pré-entraîné avec Caffe en un réseau neuronal intégré, optimisé pour fonctionner directement sur le VPU Movidius Myriad 2.
Optimisation : les indicateurs de performance par couche, pour les réseaux neuronaux standard et personnalisés, permettent un réglage précis afin d'obtenir des performances optimales avec des données réelles et une consommation de ressources ultra-faible. Des scripts de validation permettent aux développeurs de comparer la précision des modèles optimisés sur l'appareil avec celle des modèles originaux exécutés sur PC.
Accélération : Le module de calcul neuronal Movidius est le seul capable d’agir comme un accélérateur de réseau neuronal discret en ajoutant une capacité d’inférence d’apprentissage profond dédiée aux plateformes informatiques actuelles afin d’améliorer les performances et l’efficacité.
