|
機(jī)器學(xué)習(xí)深層神經(jīng)網(wǎng)絡(luò)加速部署
切瓦,許可方的DSP為蜂窩IP平臺,多媒體和連通性,介紹了精益深層神經(jīng)網(wǎng)絡(luò)(CDNN),一個實(shí)時神經(jīng)網(wǎng)絡(luò)軟件框架,精簡機(jī)器學(xué)習(xí)在低功耗嵌入式系統(tǒng)部署。
利用CEVA-XM4成像的處理能力和視覺DSP,CDNN使嵌入式系統(tǒng)執(zhí)行深度學(xué)習(xí)任務(wù)3 x速度比主要基于gpu的消費(fèi)30 x系統(tǒng),而耗電更少,要求15 x更少內(nèi)存帶寬。例如,運(yùn)行一個基于深層神經(jīng)網(wǎng)絡(luò)(款)在28 nm行人檢測算法需要不到30 mw 1080 p每秒30幀視頻。
關(guān)鍵性能、低功率和低內(nèi)存帶寬能力CDNN是精益網(wǎng)絡(luò)發(fā)生器、專有自動化技術(shù),將客戶的網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)重苗條,定制的網(wǎng)絡(luò)模型用于實(shí)時。這可以實(shí)現(xiàn)更快的網(wǎng)絡(luò)模型消耗顯著降低功率和內(nèi)存帶寬,只有不到1%的退化精度比原來的網(wǎng)絡(luò)。一旦生成定制embedded-ready網(wǎng)絡(luò),它運(yùn)行在CEVA-XM4成像和視覺DSP使用完全優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)(CNN)層,軟件庫和api。
φ算法解決方案,精益的CEVAnet伙伴計(jì)劃的一員,利用CDNN實(shí)現(xiàn)CNN-based通用對象探測器CEVA-XM4 DSP算法。現(xiàn)在可用于應(yīng)用程序開發(fā)人員和oem運(yùn)行各種應(yīng)用程序包括行人檢測和人臉檢測安全、ADAS和其他嵌入式設(shè)備基于低功耗camera-enabled系統(tǒng)。
“精益深層神經(jīng)網(wǎng)絡(luò)框架提供了一個快速和平滑路徑從線下培訓(xùn)為我們的卷積神經(jīng)網(wǎng)絡(luò)實(shí)時檢測算法為基礎(chǔ),”史蒂文•漢娜說總裁兼聯(lián)合創(chuàng)始人在φ算法解決方案。“在幾天內(nèi)我們能夠得到一個優(yōu)化的實(shí)現(xiàn)我們的獨(dú)特的對象檢測網(wǎng)絡(luò),同時大大降低功耗相比其他平臺。CEVA-XM4成像和視覺DSP一起CDNN框架非常適合嵌入式視覺設(shè)備和鋪平了道路人工智能設(shè)備的進(jìn)步在未來幾年使用深度學(xué)習(xí)技術(shù)。”
”與20多個設(shè)計(jì)獲得裝備,我們繼續(xù)引領(lǐng)行業(yè)在嵌入式視覺處理器領(lǐng)域和不斷加強(qiáng)我們的愿景IP組合產(chǎn)品,幫助我們的客戶以最小的風(fēng)險(xiǎn),更快地進(jìn)入市場”說伊蘭Briman,在精益營銷副總裁。“我們新的深層神經(jīng)網(wǎng)絡(luò)框架的CEVA-XM4是第一個在嵌入式行業(yè),為開發(fā)人員提供重要一步實(shí)現(xiàn)可行的深度學(xué)習(xí)算法在嵌入式系統(tǒng)電量有限。”
CDNN軟件框架作為源代碼,提供擴(kuò)展CEVA-XM4現(xiàn)有的Application Developer Kit(理應(yīng))。它是靈活和模塊化的,能夠支持完整的CNN實(shí)現(xiàn)或特定的層。它適用于各種網(wǎng)絡(luò)和結(jié)構(gòu),如網(wǎng)絡(luò)發(fā)達(dá)和咖啡,火炬或Theano培訓(xùn)框架,或?qū)Ｓ械木W(wǎng)絡(luò)。CDNN包括實(shí)時模型示例圖像分類、定位和目標(biāo)識別。它的目的是用于對象和場景識別,高級駕駛員輔助系統(tǒng)(ADAS)、人工智能(AI),視頻分析,增強(qiáng)現(xiàn)實(shí)(AR),虛擬現(xiàn)實(shí)(VR)和類似的計(jì)算機(jī)視覺應(yīng)用。
滾珠開關(guān)http://www.orunapp.cn |
當(dāng)前位置: