兩者都旨在實現消費者和工業網絡邊緣產品中的神經網絡。它們不適合網絡培訓，必須在其他地方進行。

'二進制神經網絡（BNN）加速器'支持1位權重，具有1位激活量化，旨在與公司的iCE40 UltraPlus FPGA一起使用。

加速器和FPGA的組合適用於永遠在線的應用，如口頭關鍵詞檢測，人臉檢測和物體檢測。

預測的BNN + iCE40 UltraPlus應用參數為：

• 1位神經網絡
• 1-10mW有效消耗
• 佔地面積5.5mm2
• 〜$ 1 bom

第二個產品“卷積神經網絡（CNN）加速器”支持選擇1,8和16位數據，用於權重和激活，針對ECP5 FPGA - 通常用於視頻用途。

為了節省FPGA資源，可以在神經網絡的不同層中混合和匹配不同的字寬（1,8或16位）。

加速器和FPGA的這種組合適用於面部跟踪，對象跟踪，速度符號檢測和對象計數等應用。

預測的CNN + ECP5應用參數是：

• 1,8或16bit網絡
• <1W active consumption
• 佔地面積100mm2
• 〜$ 10 bom

對於軟件開發，該公司正在引入與Caffe和TensorFlow網絡開發系統兼容的神經網絡編譯器。

Lattice營銷總監Deepak Boppana表示，編譯器不需要先前的RTL經驗，也可以分析和模擬設計。

Boppana表示，該計劃將與該公司的Radiant開發環境一起用於BNN + iCE40 UltraPlus組合，或用於CNN + EC5P的Diamond開發環境。

對於不確定如何開發基於神經網絡的應用程序的客戶，該公司已與包括Colorado Engineering，Wipro，Softnautincs和VectorBlox在內的設計服務公司建立了合作關係。

硬件開發板已經可用於iCE40 UltraPlus和ECP5。

接口橋接和數據聚合應用有望用於大容量物聯網應用，包括智能揚聲器，監控攝像頭，工業機器人和無人機。

正在提供參考設計：面部檢測，關鍵短語檢測（iCE40 UltraPlus）和EC5P：對象計數，面部跟踪和速度符號檢測。

加速器品牌'印象之美“。