课题组自研的面向密集计算场景的AI芯片ConSci-v1.0开源设计 - 基本信息 - 梁 峰
课题组自研的面向密集计算场景的AI芯片ConSci-v1.0开源设计
开源代码：ConSci-v1.0
单核ConSci 1.0主要性能参数
Ø集成1024个MAC NPUcore，主频500Mhz(28nm，SS工艺角)
Øim2col+GEMM（推理引擎也支持Winograd）
Ø支持FP32、INT32、INT8数据精度
Ø支持软硬一体的数据流配置优化，改进优化NCNN推理引擎，新增自定义NPU后端，打通全流程部署流程，提供完整工具链，最快可数小时完成部署模型
Ø支持PyTorch、Caffe、Darknet、Mxnet、ONNX、Keras、TensorFlow等主流深度学习框架
Ø支持如Resnet系列、YOLO系列、MobileNet系列、SimplePose等30余种CNN网络算法，应用场景包括图像分类、目标检测、动作及姿态检测等（持续迭代更新）
Ø支持80+算子（持续迭代更新）
Ø支持PTQ量化模式（ Post-Training Quantization训练后量化）
Ø支持多种工作模式
Ø采用新型硬件描述语言Chisel，大幅提高设计效率与灵活性（2名硕士生一年完成单核NPU开发）
Ø全系统划分为应用层、驱动层和硬件层。驱动层通过 AXI总线对硬件层进行控制，而应用层则可以根据驱动层的API编写应用程序
Ø采用28nm工艺投片，单核算力2TOPS@500MHz(SS工艺角)
Ø采用CPU+NPU的松耦合架构，既可以ASIC实现，也可在FPGA的MPSOC系统上实现(200MHz)
新
News List
闻列表
