<var id="w0sf0"></var>

萊迪思完整解決方案集合可打造低功耗智能視覺應(yīng)用

2020-11-09 15:40:54

低功耗可編程器件的領(lǐng)先供應(yīng)商萊迪思半導(dǎo)體有限公司最近發(fā)布了最新版本的——點(diǎn)陣sensAI 3.0，這是一套完整的網(wǎng)絡(luò)邊緣設(shè)備AI處理解決方案。這個(gè)版本現(xiàn)在支持交聯(lián)-NX系列FPGA，可以低功耗創(chuàng)建智能視覺應(yīng)用。還定制了卷積神經(jīng)網(wǎng)絡(luò)(CNN)IP。這種靈活的加速器IP可以簡(jiǎn)化常見CNN網(wǎng)絡(luò)的實(shí)現(xiàn)，優(yōu)化后可以充分利用FPGA的并行處理能力。在交聯(lián)NX FPGA的新支持下，LatticesensAI將為監(jiān)控/安全、機(jī)器人、汽車和計(jì)算領(lǐng)域的智能視覺應(yīng)用帶來(lái)功耗和性能的又一突破。

為了解決數(shù)據(jù)安全、延遲、隱私等問題，開發(fā)者希望將智能視覺等AI應(yīng)用所依賴的AI處理任務(wù)從云端轉(zhuǎn)移到網(wǎng)絡(luò)邊緣。大多數(shù)網(wǎng)絡(luò)邊緣設(shè)備依賴電池，或者對(duì)功耗非常敏感。所以開發(fā)者需要的軟硬件解決方案，不僅要提供AI應(yīng)用所需的處理能力，還要最大限度的降低功耗。通過增強(qiáng)的sensAI，萊迪思將繼續(xù)為客戶提供更多功耗和性能優(yōu)化解決方案。對(duì)于智能視覺等AI性能要求較高的網(wǎng)絡(luò)邊緣應(yīng)用，運(yùn)行sensAI軟件的交聯(lián)-NX FPGA較前一版本功耗降低一半，實(shí)現(xiàn)了雙倍性能。

萊迪思，半導(dǎo)體營(yíng)銷經(jīng)理侯賽因奧斯曼(Hussein Osman)表示：“萊迪思最新版本的森賽已經(jīng)針對(duì)新的低功耗交聯(lián)-NX FPGA系列進(jìn)行了優(yōu)化，實(shí)現(xiàn)了高性能和低功耗的完美集成。萊迪思將繼續(xù)鞏固目前的成果，繼續(xù)為主流AI應(yīng)用引入新的、易于使用的應(yīng)用演示和參考設(shè)計(jì)，不斷完善sensAI的功能和易用性。”

sensAI解決方案集新增和更新的功能如下：

新的CNN引擎IP和編譯器現(xiàn)在支持交聯(lián)-NX——sensAI在交聯(lián)-NX FPGA上運(yùn)行定制的CNN加速器IP，充分利用FPGA的并行處理架構(gòu)。神經(jīng)網(wǎng)絡(luò)編譯器軟件工具已經(jīng)更新，開發(fā)者可以輕松編譯訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，下載到交聯(lián)-NX FPGA。

基于交聯(lián)-NX ——的對(duì)象計(jì)數(shù)演示在交聯(lián)-NX FPGA上運(yùn)行的基于VGG的對(duì)象計(jì)數(shù)演示具有10幀/秒的性能，并且僅消耗200毫瓦。物體計(jì)數(shù)是監(jiān)控/安全、工業(yè)、汽車和機(jī)器人市場(chǎng)中常見的智能視覺應(yīng)用。

交聯(lián)-NX優(yōu)化FPGA架構(gòu)——在交聯(lián)-NX FPGA上運(yùn)行該解決方案時(shí)，sensAI可以提供高達(dá)2.5 Mb的分布式內(nèi)存和RAM塊以及額外的DSP資源，可以在芯片上高效實(shí)現(xiàn)AI操作，減少對(duì)基于云的分析的需求。

高達(dá)753354CrossLink-NX FPGA采用28 nm FD-SOI工藝制造，與競(jìng)爭(zhēng)對(duì)手FPGA產(chǎn)品相比，可降低功耗75%。

許多組件(圖像傳感器、應(yīng)用處理器等。)用于高性能I/O——智能視覺系統(tǒng)需要支持MIPI I/O標(biāo)準(zhǔn)。森賽的目標(biāo)應(yīng)用之一是智能視覺，交聯(lián)-NX設(shè)備是唯一一種可以提供高達(dá)2.5 Gbps MIPI I/O的低功耗FPGA。對(duì)于需要支持MIPI的sensAI應(yīng)用，交聯(lián)-NX FPGA無(wú)疑是一個(gè)理想的硬件平臺(tái)。交聯(lián)-NX FPGA的I/O提供瞬時(shí)啟動(dòng)性能，不到3 ms即可完成自配置，整個(gè)器件的配置只需8 ms.