<progress id="jj2rv"></progress>

    <em id="jj2rv"></em><div id="jj2rv"></div>
      <div id="jj2rv"></div>
      <dl id="jj2rv"><menu id="jj2rv"></menu></dl>

        <em id="jj2rv"><ol id="jj2rv"></ol></em>
        <div id="jj2rv"><tr id="jj2rv"></tr></div>
        <progress id="jj2rv"><tr id="jj2rv"></tr></progress>

        <progress id="jj2rv"></progress>

        <progress id="jj2rv"><tr id="jj2rv"></tr></progress>

        <dl id="jj2rv"><ins id="jj2rv"></ins></dl>
        <em id="jj2rv"><ol id="jj2rv"><mark id="jj2rv"></mark></ol></em><dfn id="jj2rv"><tr id="jj2rv"></tr></dfn>

          了解集成式嵌入式視覺平臺應用設計

          Duke ? 2018-09-18 14:57 ? 次閱讀

          隨著攝像頭和其他設備產生的數據在快速增長,促使人們運用機器學習從汽車、安防和其他應用產生的影像中提取更多有用的信息。專用器件有望在嵌入式視覺應用中實現高性能機器學習 (ML) 推理。但是此類器件大都處于早期開發階段,因為設計人員正在努力尋找最有效的算法,甚至人工智能 (AI) 研究人員也在迅速推演新方法。

          目前,開發人員一般使用針對 ML 的可用 FPGA 平臺來構建嵌入式視覺系統,以期滿足更高的性能要求。與此同時,他們可以保持所需的靈活性,以跟上機器學習發展的步伐。

          本文將介紹 ML 處理的要求,以及為何 FPGA 能解決許多性能問題。然后,將介紹一個合適的基于 FPGA 的 ML 平臺及其使用方法。

          機器學習算法和推理引擎

          在 ML 算法中,卷積神經網絡 (CNN) 已成為圖像分類的首選解決方案。其圖像識別的準確率非常高,因而得以廣泛應用于多種應用,跨越不同的平臺,例如智能手機、安防系統和汽車駕駛員輔助系統。作為一種深度神經網絡 (DNN),CNN 使用的神經網絡架構由專用層構成。在對標注圖像進行訓練期間,它會從圖像中提取特征,并使用這些特征給圖像分類(參見“利用現成的軟硬件啟動機器學習”)。

          CNN 開發人員通常在高性能系統或云平臺上進行訓練,使用圖形處理單元 (GPU) 加速在標注圖像數據集(通常數以百萬計)上訓練模型所需的巨量矩陣計算。訓練完成之后,訓練好的模型用在推理應用中,對視頻流中的新圖像或幀進行分類。推理部署完成后,訓練好的模型仍然需要執行同樣的矩陣計算,但由于輸入量要少很多,開發人員可以將 CNN 用于在通用硬件上運行的普通機器學習應用(參見“利用 Raspberry Pi 構建機器學習應用”)。

          然而,對于許多應用而言,通用平臺缺乏在 CNN 推理中同時實現高準確率和高性能所需的性能。優化技術和替代 CNN 架構(如 MobileNet 或 SqueezeNet)有助于降低平臺要求,但通常會犧牲準確率并增加推理延時,而這可能與應用要求相沖突。

          與此同時,快速發展的算法使得機器學習 IC 的設計工作變得復雜,因為需要機器學習 IC 既要足夠專門化以加速推理,又要足夠通用化以支持新算法。FPGA 多年來一直扮演著這一特定角色,提供加速關鍵算法所需的性能和靈活性,解決了通用處理器性能不足或沒有專用器件可用的問題。

          FPGA 作為機器學習平臺

          對于機器學習而言,GPU 仍然是標桿——這是早期的 FPGA 根本無法企及的。最近出現的一些器件,如 Intel Arria 10 GX FPGA 和 Lattice Semiconductor ECP5 FPGA,大大縮小了先進 FPGA 和 GPU 之間的差距。對于某些使用緊湊的整數數據類型的 DNN 架構來說,此類 FPGA 的性能/功耗比甚至高于主流 GPU。

          高級 FPGA 組合了嵌入式存儲器和數字信號處理 (DSP) 資源,對于一般矩陣乘法 (GEMM) 運算能夠實現很高的性能。其嵌入式存儲器靠近計算引擎,從而緩解了 CPU 存儲器瓶頸,而這種瓶頸通常會限制通用處理器上機器學習算法的性能。反之,相比于典型 DSP 器件(圖 1),FPGA 上的嵌入式 DSP 計算引擎提供了更多的并行乘法器資源。FPGA 廠商在交付專門用于機器學習的 FPGA 開發平臺時充分利用了這些特性。

          Lattice Semiconductor ECP5 高級 FPGA 示意圖

          圖 1:Lattice Semiconductor ECP5 之類的高級 FPGA 提供了實現高性能推理所需的并行處理資源和嵌入式存儲器。(圖片來源:Lattice Semiconductor)

          例如,Intel 最近推出的支持 FPGA 的 OPENVINO? 擴展了該平臺將推理模型部署到不同類型設備(包括 GPU、CPU 和 FPGA)的能力。在該平臺上,開發人員可使用 Intel 的深度學習推理引擎工作流程,其中整合了 Intel 深度學習部署工具包和在 Intel OPENVINO 工具包中提供的 Intel 計算機視覺軟件開發套件 (SDK)。開發人員使用 SDK 的應用編程接口 (API) 構建模型,并且可利用 Intel 的運行模型優化器針對不同硬件平臺進行優化。

          深度學習部署工具包旨在與 Intel DK-DEV-10AX115S-A Arria 10 GX FPGA 開發套件配合使用,讓開發人員能從領先的 ML 框架(包括 Caffe 和 TensorFlow)導入訓練好的模型(圖 2)。在諸如 Arria 10 GX FPGA 開發套件之類目標平臺或使用 Arria 10 GX FPGA 器件的定制設計上,工具包中的模型優化器和推理引擎分別處理模型轉換和部署。

          支持 FPGA 的 Intel OPENVINO 工具包示意圖(點擊放大)

          圖 2:支持 FPGA 的 Intel OPENVINO 工具包提供了一套必需的完整工具鏈,可將在 Caffe、TensorFlow 和其他框架上訓練的模型部署到 Arria 10 GX FPGA 開發套件或圍繞 Arria 10 GX FPGA 構建的定制設計上。(圖片來源:Intel)

          為了遷移預訓練模型,開發人員使用基于 Python 的模型優化器生成了一個中間表示 (IR),該表示包含在一個提供網絡拓撲的 xml 文件和一個以二進制值提供模型參數的 bin 文件中。除了生成 IR 之外,模型優化器還會執行一項關鍵功能——移除模型中用于訓練但對推理毫無作用的層。此外,該工具會在可能的情況下將每個提供獨立數學運算的層合并到一個組合層中。

          通過這種網絡修剪和合并,模型變得更緊湊,進而加快推理時間并減少對目標平臺的存儲器需求。

          Intel 推理引擎是一個 C++ 庫,其中包含一組 C++ 類。這些類對于受支持的目標硬件平臺來說是通用的,因此可以在各個平臺上實現推理。對于推理應用而言,開發人員使用像 CNNNetReader 這樣的類來讀取 xml 文件 (ReadNetwork) 中包含的 CNN 拓撲以及 bin 文件 (ReadWeights) 中包含的模型參數。模型加載完成后,調用類方法 Infer() 執行阻塞推理,同時調用類方法 StartAsync() 執行異步推理,當推理完成時使用等待或完成例程處理結果。

          Intel 在 OPENVINO 環境提供的多個示例應用程序中演示了完整的工作流程和詳細的推理引擎 API 調用。例如,安全屏障攝像機示例應用程序展示了使用推理模型流水線,以首先確定車輛邊界框(圖 3)。流水線中的下一個模型檢查了邊界框中的內容,識別車輛類別、顏色和車牌位置等車輛屬性。

          Intel 安全屏障攝像機示例應用程序圖片

          圖 3:Intel 安全屏障攝像機示例應用程序演示了使用推理流水線,先識別車輛(綠色邊界框),再識別顏色、類型和車牌位置(紅色框)等車輛屬性,最后識別車牌字符(紅色文本)。(圖片來源:Intel Corp.)

          流水線中的最后一個模型使用這些車輛屬性從車牌中提取字符。為了使用該模型進行推理,示例代碼顯示了利用推理模型 C++ 庫創建對象 (LPR),而該對象則是名為 LPRDetection 的結構的一個實例。此結構使用推理引擎 API 類對象來讀取 (CNNNetReader) 并驗證模型輸入和輸出(列表 1)。

          副本????CNNNetwork?read()?override?{
          ????????std::cout?<second;
          ????????inputInfoFirst->setInputPrecision(Precision::U8);
          ????????inputInfoFirst->getInputData()->setLayout(Layout::NCHW);
          ????????inputImageName?=?inputInfo.begin()->first;
          ????????auto?sequenceInput?=?(++inputInfo.begin());
          ????????inputSeqName?=?sequenceInput->first;
          ????????if?(sequenceInput->second->getTensorDesc().getDims()[0]?!=?maxSequenceSizePerPlate)?{
          ????????????throw?std::logic_error("LPR?post-processing?assumes?certain?maximum?sequences");
          ????????}
          ?
          ????????//?---------------------------Check?outputs
          ????????std::cout?<first;
          ????????std::cout?<
          

          列表 1:此代碼片段來自 Intel OPENVINO 工具包中的安全屏障攝像機示例應用程序,演示了使用 Intel 推理引擎 C++ 庫 API 將模型及其參數讀入推理引擎的設計模式。(代碼來源:Intel)

          為了執行推理,該代碼加載數據并調用 submitRequest 方法,該方法啟動推理周期并等待結果,然后顯示識別的車牌字符(列表 2)。

          副本?????if?(LPR.enabled())?{??//?licence?plate
          ?????????//?expanding?a?bounding?box?a?bit,?better?for?the?license?plate?recognition
          ?????????result.location.x?-=?5;
          ?????????result.location.y?-=?5;
          ?????????result.location.width?+=?10;
          ?????????result.location.height?+=?10;
          ?????????auto?clippedRect?=?result.location?&?cv::Rect(0,?0,?width,?height);
          ?????????cv::Mat?Plate?=?frame(clippedRect);
          ?????????//?----------------------------Run?License?Plate?Recognition?
          ?????????LPR.enqueue(Plate);
          ?????????t0?=?std::chrono::high_resolution_clock::now();
          ?????????LPR.submitRequest();
          ?????????LPR.wait();
          ?????????t1?=?std::chrono::high_resolution_clock::now();
          ?????????LPRNetworktime?+=?std::chrono::duration_cast(t1?-?t0);
          ?????????LPRInferred++;
          ?????????//?----------------------------Process?outputs
          ?????????cv::putText(frame,
          ?????????????????????LPR.GetLicencePlateText(),
          ?????????????????????cv::Point2f(result.location.x,?result.location.y?+?result.location.height?+?15),
          ?????????????????????cv::FONT_HERSHEY_COMPLEX_SMALL,
          ?????????????????????0.8,
          ?????????????????????cv::Scalar(0,?0,?255));
          ?????????if?(FLAGS_r)?{
          ?????????????std::cout?<

          列表 2:此代碼片段來自 Intel OPENVINO 工具包中的安全屏障攝像機示例應用程序,展示了加載模型、執行推理和生成結果的設計模式。(代碼來源:Intel)

          集成式嵌入式視覺平臺

          Intel 的 OPENVINO 方法強調平臺重定向,而 Lattice 的 SensAI 平臺完全聚焦于 FPGA 推理。SensAI 平臺的特性之一是為 DNN 架構(包括 CNN 和一個稱為二值化神經網絡 (BNN) 的緊湊架構)提供 FPGA IP。針對嵌入式視覺,SensAI CNN IP 為完整的推理引擎提供框架,將控制子系統、存儲器、輸入和輸出的接口與實現不同類型模型層(包括卷積、BatchNorm 歸一化、ReLu 激活、池化和其他)的資源結合在一起(圖 4)。

          Lattice Semiconductor CNN IP 示意圖

          圖 4:Lattice Semiconductor CNN IP 實現了一個完整的推理系統框架,將專用引擎和用于控制、存儲器、輸入、輸出的接口結合在一起。(圖片來源:Lattice Semiconductor)

          為了實現 CNN 模型,開發人員首先要在針對 ECP5 FPGA 的 Lattice Diamond 設計環境中或針對其他 Lattice FPGA 系列的 Radiant 設計環境中,利用 Lattice Clarity 配置工具配置 CNN。這里,開發人員可以指定模型類型(CNN 或 BNN)、卷積引擎數(最多 8 個)及每層的內部存儲大小(最多 16 Kb)或二進制大對象 (blob)。配置 CNN 之后,開發人員使用設計環境生成核心,作為 FPGA 比特流。

          開發人員單獨將通過 Caffe 或 TensorFlow 開發并訓練好的模型導入 SensAI 平臺。這里,Lattice 神經網絡編譯器將訓練好的 Caffe 或 TensorFlow 模型轉換為一組包含神經網絡模型參數和執行命令序列的文件。SensAI 平臺將來自設計環境和編譯器的單獨輸出一起并入 FPGA,以提供最終的推理模型(圖 5)。

          Lattice Semiconductor SensAI 平臺圖片

          圖 5:Lattice Semiconductor SensAI 平臺將其 CNN 和 BNN IP 與其神經網絡編譯器結合在一起,使開發人員能夠轉換 Caffe 或 TensorFlow 模型,以在 Lattice FPGA 上作為推理引擎來運行。(圖片來源:Lattice Semiconductor)

          針對嵌入式視覺應用,Lattice LF-EVDK1-EVN 嵌入式視覺開發套件 (EVDK) 為運行 CNN 模型推理提供了理想的目標平臺。EVDK 提供了一個完整的 80 x 80 mm 三板堆疊式視頻平臺,包括 Lattice CrossLink 視頻輸入板、帶 ECP5 FPGA 的處理器板和 HDMI 輸出板。開發人員可以將 EVDK 用作 Lattice 提供的多個示例 CNN 應用的目標平臺。例如,Lattice 速度標志檢測參考設計運用 EVDK 來展示 SensAI CNN IP 在典型汽車應用中的應用(圖 6)。

          Lattice Semiconductor 速度標志檢測參考設計示意圖

          圖 6:Lattice Semiconductor 速度標志檢測參考設計利用 SensAI 平臺和 Lattice LF_EVDK1-EVN 嵌入式視覺開發套件提供一個完整的推理應用,開發人員可以對其立即操作或詳細探索。(圖片來源:Lattice Semiconductor)

          此示例應用程序的項目文件包括全套文件,從 Caffe caffemodel 和 TensorFlow pb 格式的模型開始。因此,開發人員可以探索這些模型的細節。例如,使用 TensorFlow import_pb_to_tensorboard.py 實用程序,開發人員可以導入 Lattice 提供的 pb 模型,以查看此示例應用程序中使用的 CNN 的細節(圖 7)。本例中,所提供的模型是由四個“Fire”模塊組成的序列,每個模塊包括:

          • Conv2D 層,執行 3 x 3 卷積以從輸入流中提取特征

          • 激活層,執行 BatchNorm 歸一化,然后執行修正線性單元 (ReLU) 激活

          • MaxPool 池化層,用于對前一層的輸出進行采樣

          Lattice 速度標志檢測示例應用程序示意圖

          圖 7:Lattice 速度標志檢測示例應用程序包括 TensorFlow pb 模型,開發人員可以將其導入 TensorBoard 進行詳細檢查。注意:數據向上流過此圖中的各層。(圖片來源:Digi-Key Electronics)

          開發人員可以使用 SensAI 平臺生成模型文件,完成前面描述的模型流程。或者,開發人員可以使用所提供的文件直接跳轉到部署階段。任一情況下,文件都是通過接有適配器的 microSD 卡加載到 EVDK 中。

          在操作中,EVDK 上的攝像機向 ECP5 FPGA 提供視頻流,其中配置的 CNN 加速器 IP 執行命令序列以執行推理。同任何推理引擎一樣,每個輸出通道都會產生一個結果,指出與該輸出通道相關聯的標簽即為輸入圖像的校正標簽的概率。本例中,模型是用每小時 25、30、35、40、45、50、55、60 和 65 英里的限速標志的標注圖像進行訓練的。因此,當模型在其輸入字段中的任何位置檢測到限速標志時,它會顯示檢測到的標志對應于每小時 25、30、35、40、45、50、55、60 或 65 英里限速的概率(圖 8)。

          Lattice 速度標志檢測演示圖片

          圖 8:Lattice 速度標志檢測演示運行在 Lattice EVDK 上,對視頻輸入流執行推理,生成輸出值,指示捕獲到的圖像對應于與該特定輸出相關聯的標簽的可能性。本例中,它顯示限速標志最有可能是 25 mph。(圖片來源:Lattice Semiconductor)

          總結

          為在嵌入式視覺應用中運用機器學習,開發人員使用可用硬件平臺實現所需性能水平的能力受到了限制。然而,高性能 FPGA 的出現使得開發人員可以構建性能接近 GPU 的推理引擎。采用專為嵌入式視覺設計的機器學習 FPGA 平臺,開發人員可以專注于特定需求,使用標準機器學習框架訓練模型,并依靠 FPGA 平臺實現高性能推理。

          收藏 人收藏
          分享:

          評論

          相關推薦

          如何使用FPGA進行TD-LTE下行發送鏈路的設計與實現資料概述

          隨著移動互聯網的飛速發展,人們對蜂窩移動網絡高速數據業務的需求越來越大,這使得各終端廠商、網絡設備廠....

          發表于 11-06 19:35 ? 6次 閱讀
          如何使用FPGA進行TD-LTE下行發送鏈路的設計與實現資料概述

          如何使用FPGA進行兩路視頻同步播放系統的設計

          為了實現基于嵌入式系統的兩路視頻的同步播放控制,本文提出了根據圖像內容檢測達到兩路視頻同步播放控制的....

          發表于 11-06 19:35 ? 6次 閱讀
          如何使用FPGA進行兩路視頻同步播放系統的設計

          如何使用FPGA進行幅值可調信號發生器的設計

          針對信號發生器對輸出頻率精度高和幅值可調的要求,采用直接數字頻率合成(DDS)技術,提出一種基于FP....

          發表于 11-06 19:35 ? 7次 閱讀
          如何使用FPGA進行幅值可調信號發生器的設計

          數字電路設計仿真測試的電子教材免費下載

          《數字電路設計·仿真·測試》是2010年8月1日華中科技大學出版社出版的圖書。本書基礎實驗項目均含有....

          發表于 11-06 18:56 ? 5次 閱讀
          數字電路設計仿真測試的電子教材免費下載

          Achronix的的全新Accelerator-6D加速板帶有業內最高的FPGA

          Achronix Semiconductor公司(Achronix Semiconductor Co....

          發表于 11-06 17:28 ? 18次 閱讀
          Achronix的的全新Accelerator-6D加速板帶有業內最高的FPGA

          要想玩轉FPGA 就必須要學會如何利用這些單元實現復雜的邏輯設計

          FPGA(Field-Program mable Gate Array),即現場可編程門陣列,它是在....

          發表于 11-06 17:20 ? 18次 閱讀
          要想玩轉FPGA  就必須要學會如何利用這些單元實現復雜的邏輯設計

          賽靈思正進行著平臺戰略轉型

          賽靈思首席執行官Victor Peng表示,得益于5G網絡、數據中心及汽車等業務需求帶動FPGA的出....

          的頭像 電子發燒友網工程師 發表于 11-06 17:16 ? 151次 閱讀
          賽靈思正進行著平臺戰略轉型

          深入探討基于SYSTEM C的FPGA設計

          隨著VLSI的集成度越來越高,設計也越趨復雜。一個系統的設計往往不僅需要硬件設計人員的參與,也需要有....

          的頭像 電子發燒友網工程師 發表于 11-06 17:07 ? 76次 閱讀
          深入探討基于SYSTEM C的FPGA設計

          FPGA將為未來云端芯片市場貢獻20億美元

          多方資料顯示,FPGA將在云端數據中心業務發揮突出的作用。據某數據調研報告預計,未來云端芯片的空間2....

          的頭像 電子發燒友網工程師 發表于 11-06 16:55 ? 88次 閱讀
          FPGA將為未來云端芯片市場貢獻20億美元

          利用FPGA實現旋轉開關信號到PC/AT鍵碼轉換的設計

          在專用電路設計中,為了方便操作與控制,要對電路設計提出各種具體要求。

          的頭像 電子發燒友網工程師 發表于 11-06 16:07 ? 79次 閱讀
          利用FPGA實現旋轉開關信號到PC/AT鍵碼轉換的設計

          FPGA內調用DDS核產生的11MHz單音信號,DAC輸出有諧波,而且沒有鏡像很奇怪

          用頻譜儀看的 在22M 33M 55M有明顯諧波,雖然最大的22M處的諧波已經比11M低了40dBm,但為什么會有諧波?而且我的采樣頻率是...

          發表于 11-06 15:46 ? 19次 閱讀
          FPGA內調用DDS核產生的11MHz單音信號,DAC輸出有諧波,而且沒有鏡像很奇怪

          淺析嵌入式視覺系統開發面臨怎樣的挑戰?

            隨著處理效能、內存密度和系統整合度的提升,嵌入式視覺逐漸擴增到新興應用領域,市場規模在十年內必有顯著增長。而...

          發表于 11-06 15:45 ? 50次 閱讀
          淺析嵌入式視覺系統開發面臨怎樣的挑戰?

          使用Kintex-7 FPGA嵌入式套件實現錯誤

          我做了一堆仿真工作,并且構建正常。 它有警告,但沒有錯誤。 我的目標硬件是Kintex-7 FPGA嵌入式套件。 所以現在我想構...

          發表于 11-06 11:45 ? 17次 閱讀
          使用Kintex-7 FPGA嵌入式套件實現錯誤

          選擇學習嵌入式linux,獨門絕學有哪些?

          一個嵌入式系統裝置一般都由嵌入式計算機系統和執行裝置組成,嵌入式計算機系統是整個嵌入式系統的核心,由硬件層、中間層、系統...

          發表于 11-06 11:44 ? 69次 閱讀
          選擇學習嵌入式linux,獨門絕學有哪些?

          如何通過Vivado修復設計路由

          大家好, 我有一個小的Vivado項目,想要修復整個設計的路由。 然后,我想將某些單元移動到FPGA架構的其他區域,同時保留剩...

          發表于 11-06 11:42 ? 16次 閱讀
          如何通過Vivado修復設計路由

          選擇適合視覺傳感器的小妙招

                  視覺傳感器是一種機器視覺系統,經過專門設計,用于在非結構化環境中執行簡單的存在/缺失...

          發表于 11-06 11:02 ? 20次 閱讀
          選擇適合視覺傳感器的小妙招

          做多通道數據同步采集用哪個系列的fpga功耗低?

          項目里用到fpga和單片機,采樣率24bit  100kHz。使用fpga一個是用來GPS PPS時鐘同步,一個是多通道A/D數據同...

          發表于 11-06 09:35 ? 65次 閱讀
          做多通道數據同步采集用哪個系列的fpga功耗低?

          明德揚FPGA連載課程第一階段第三章VERILOG(2)

          3.2 數字3.2.1數字表示方式      在Verilog中的數字表示方式,最常用的格式是:’,如,4’b1011。  ...

          發表于 11-06 09:21 ? 25次 閱讀
          明德揚FPGA連載課程第一階段第三章VERILOG(2)

          AD7545連接運放后沒有正確的輸出

          采用FPGA控制DAC芯片AD7545,目前在調試硬件,因此FPGA沒有工作,IO口輸出電壓在3.1V左右,AD7545的12位數據輸...

          發表于 11-06 09:03 ? 15次 閱讀
          AD7545連接運放后沒有正確的輸出

          Quartus Prime18的破解工具以及IP核licence免費下載

          本文檔的主要內容詳細介紹的是Quartus Prime18的破解工具以及IP核licence免費下載....

          發表于 11-06 08:00 ? 8次 閱讀
          Quartus Prime18的破解工具以及IP核licence免費下載

          英特爾OpenGL ES API中的新功能介紹

          演示OpenGL ES API中的新功能。

          的頭像 英特爾 Altera視頻 發表于 11-06 06:26 ? 12次 觀看
          英特爾OpenGL ES API中的新功能介紹

          明德揚FPGA連載課程第一階段第三章VERILOG(1)

          1.1 傳統的數字系統設計方式—原理圖設計       在傳統的設計方法中,當設計工程師設計一個新的硬件、一個新...

          發表于 11-05 20:24 ? 23次 閱讀
          明德揚FPGA連載課程第一階段第三章VERILOG(1)

          關于DSP與FPGA兩大市場的發展淺析

          隨著模擬IC市場中眾多垂直細分行業的飛速發展,傳統DSP器件遭遇了各種替代性信號處理平臺的競爭,FP....

          發表于 11-05 17:53 ? 88次 閱讀
          關于DSP與FPGA兩大市場的發展淺析

          目前市場AI芯片幾乎都是以現成的CPU、GPU、FPGA和DSP加以組合而成

          人工智能(AI)市場持續升溫,但產業對于這些系統應如何建構仍十分分歧,大型科技公司動輒投入數十億美元....

          發表于 11-05 17:48 ? 65次 閱讀
          目前市場AI芯片幾乎都是以現成的CPU、GPU、FPGA和DSP加以組合而成

          基于FPGA的SPI Master Interface設計

          依據SPI同步串行接口的通信協議, 設計一個可配置的、高度靈活的SPI Master 模塊,以滿足正....

          的頭像 電子發燒友網工程師 發表于 11-05 17:42 ? 150次 閱讀
          基于FPGA的SPI Master Interface設計

          使用3D卷積神經網絡的交叉視聽識別技術進行唇語識別

          當音頻損壞時,視聽語音識別(Audio-visual recognition,AVR)被認為是完成語....

          的頭像 電子發燒友網工程師 發表于 11-05 17:38 ? 217次 閱讀
          使用3D卷積神經網絡的交叉視聽識別技術進行唇語識別

          如何使用FPGA CPLD 和VHDL語言設計一個交通燈控制系統

          用VHDL語言設計交通燈控制系統,并在MAX+PLUS II系統對FPGA/CPLD芯片進行下載,由....

          發表于 11-05 17:36 ? 26次 閱讀
          如何使用FPGA CPLD 和VHDL語言設計一個交通燈控制系統

          FPGA在實現自動駕駛過程中的應用

          作為汽車從傳統功能車向智能車升級的一項過渡技術,ADAS隨著汽車電子的快速發展,以及相關安全標準和消....

          的頭像 電子發燒友網工程師 發表于 11-05 17:34 ? 344次 閱讀
          FPGA在實現自動駕駛過程中的應用

          Speedcore eFPGA IP在異構汽車數據處理中的獨特作用

          汽車網絡中預期的分布式計算架構將是異構的,需要從網絡控制到利用深度學習節點的并行對象識別的混合計算資....

          的頭像 電子發燒友網工程師 發表于 11-05 16:28 ? 121次 閱讀
          Speedcore eFPGA IP在異構汽車數據處理中的獨特作用

          嵌入式軟件或許會成為未來自動駕駛技術初創公司的一條出路

          嵌入式軟件的作用對于自動駕駛車輛來說是至關重要的,因為它控制車輛如何感知環境,車載計算機收集實時數據....

          的頭像 高工智能汽車 發表于 11-05 15:42 ? 143次 閱讀
          嵌入式軟件或許會成為未來自動駕駛技術初創公司的一條出路

          借助Vivado來學習FPGA的各種配置模式

          單片機是基于FLASH結構的,所以單片機上電直接從本地FLASH中運行。但SRAM 架構的FPGA是....

          的頭像 FPGA2嵌入式 發表于 11-05 15:12 ? 152次 閱讀
          借助Vivado來學習FPGA的各種配置模式

          為什么大量的人會覺得FPGA難學?

          FPGA內部主要三塊:可編程的邏輯單元、可編程的連線和可編程的IO模塊。可編程的邏輯單元是什么?其基....

          的頭像 玩轉單片機 發表于 11-05 11:11 ? 278次 閱讀
          為什么大量的人會覺得FPGA難學?

          采用FPGA芯片實現了高精度脈寬測量的方式淺析

          測量領域以及儀表儀器領域中,對數字信號的測量主要便是對其信號脈沖寬度進行測量。目前使用最多的方式便是....

          發表于 11-03 11:12 ? 67次 閱讀
          采用FPGA芯片實現了高精度脈寬測量的方式淺析

          FPGA業者營收攀升 帶動龐大的LTE設備購置及基礎建設投資潮

          東亞地區長程演進計劃(LTE)設備需求,驅動現場可編程閘陣列(FPGA)業者營收攀升。2014年中國....

          發表于 11-03 11:05 ? 62次 閱讀
          FPGA業者營收攀升 帶動龐大的LTE設備購置及基礎建設投資潮

          FPGA讓自動駕駛開發更具靈活性

          作為汽車從傳統功能車向智能車升級的一項過渡技術,ADAS隨著汽車電子的快速發展,以及相關安全標準和消....

          發表于 11-03 09:49 ? 193次 閱讀
          FPGA讓自動駕駛開發更具靈活性

          液態金屬驅動機器人的靈感來自《終結者2:審判日》

          這種手掌大小的機器人包括一個塑料輪子、一小塊鋰電池和幾滴液態金屬。當液態金屬的重心發生改變時,機器人....

          發表于 11-03 08:02 ? 74次 閱讀
          液態金屬驅動機器人的靈感來自《終結者2:審判日》

          如何進行FPGA設計FPGA設計向導資料免費下載

          1.考慮器件的資源,包括LE,ram資源,硬件乘法器,PLL,全局時鐘網絡等。 總體來說,對于FPG....

          發表于 11-02 17:18 ? 40次 閱讀
          如何進行FPGA設計FPGA設計向導資料免費下載

          如何使用FPGA設計SDH的設備時鐘詳細原理和測試資料概述

          介紹了一種采用FPGA 設計的SDH 設備時鐘的構成及設計原理; 并給出了相關的測試結果; 測試結果....

          發表于 11-02 16:51 ? 28次 閱讀
          如何使用FPGA設計SDH的設備時鐘詳細原理和測試資料概述

          在低功率DSP密集型系統設計中應對DSP挑戰的FPGA技術演進

          對于高速的DSP密集型系統設計,降低功率變得越來越重要。例如,在通信系統中,通信必須以周期猝發方式來....

          發表于 11-02 16:37 ? 202次 閱讀
          在低功率DSP密集型系統設計中應對DSP挑戰的FPGA技術演進

          如何針對FPGA或微處理器配置各種電壓輸出跟蹤和時序控制選項

          為給DSP、ASIC、FPGA和微處理器的負載點供電而引起的電壓輸入軌數目的增多使得電源設計更加具有....

          發表于 11-02 16:27 ? 326次 閱讀
          如何針對FPGA或微處理器配置各種電壓輸出跟蹤和時序控制選項

          如何使用“藍牙”技術實現嵌入式終端設備的開發及硬件實現

          隨著無線通信網絡的快速發展,藍牙技術作為一種新型的無線通信技術逐漸發展和壯大起來,并迅速應用于手機、....

          發表于 11-02 15:46 ? 62次 閱讀
          如何使用“藍牙”技術實現嵌入式終端設備的開發及硬件實現

          如何使用ARM處理器和FPGA進行高速信號采集系統設計

          本文提出了一種實現信號采集方案,介紹了由ARM 處理器S3C2410 和EP2C8 FPGA 組成的....

          發表于 11-02 15:46 ? 43次 閱讀
          如何使用ARM處理器和FPGA進行高速信號采集系統設計

          硬件的軟件化解決方案

          在過去兩個世紀,硬件編程已取得了巨大進步,19世紀早期發明的提花織機系統可以被看作是第一個工業規模的....

          發表于 11-02 14:59 ? 361次 閱讀
          硬件的軟件化解決方案

          SOC發展狀況是怎樣的如何使用FPGA進行SOPC嵌入式系統設計

          簡單介紹了SOC 發展狀況, 并針對altera 公司FPGA 的解決方案SOPC 進行重點分析, ....

          發表于 11-02 11:22 ? 25次 閱讀
          SOC發展狀況是怎樣的如何使用FPGA進行SOPC嵌入式系統設計

          如何使用FPGA設計大屏幕LED顯示屏接收控制系統的方法概述

          本文用FPGA 設計LED 顯示屏接收控制系統, 著重研究系統硬件設計方案, 進一步解決了LED 大....

          發表于 11-02 11:21 ? 40次 閱讀
          如何使用FPGA設計大屏幕LED顯示屏接收控制系統的方法概述

          易景黑科技之AI慢速跟隨模塊

          海豚L700采用紫光展銳的多功能通信定位芯片研制而成,內置四核ARM Cortex-A7應用處理器,....

          的頭像 芯智訊 發表于 11-02 11:12 ? 260次 閱讀
          易景黑科技之AI慢速跟隨模塊

          機器視覺的五個實驗的實驗要求資料概述

          本文檔的主要內容詳細介紹的是機器視覺的五個實驗的實驗要求資料概述主要內容包括了:實驗一、圖像的讀入與....

          發表于 11-02 08:00 ? 23次 閱讀
          機器視覺的五個實驗的實驗要求資料概述

          如何使用FPGA進行多路圖像采集系統的軟件設計

          分析了現有的視頻采集方案的研究現狀,對如何采用CCD攝像頭采集多通道、高分辨率、高質量的圖像以及基于....

          發表于 11-01 17:43 ? 48次 閱讀
          如何使用FPGA進行多路圖像采集系統的軟件設計

          基于嵌入式Linux視頻的網絡監控系統設計詳解

          隨著計算機技術及網絡技術的迅猛發展,公安、安防行業的發展趨勢必然是全面數字化、網絡化。傳統的模擬閉路....

          發表于 11-01 17:30 ? 110次 閱讀
          基于嵌入式Linux視頻的網絡監控系統設計詳解

          FPGA將在云端數據中心業務發揮突出的作用

          上海安路信息科技有限公司(以下簡稱“安路科技”)市場與應用部副總經理陳利光告訴記者:“FPGA已經在....

          發表于 11-01 16:47 ? 510次 閱讀
          FPGA將在云端數據中心業務發揮突出的作用

          GPU/FPGA/ASIC/類腦芯片大比拼 四種價格最終會走向何處

          2017年,“人工智能”儼然已經成為所有媒體的頭條熱點,在媒體和資本的推動下,AI以迅雷不及掩耳之勢....

          發表于 11-01 16:40 ? 271次 閱讀
          GPU/FPGA/ASIC/類腦芯片大比拼 四種價格最終會走向何處

          機器視覺技術的成熟加快機器換人的步伐

          機器換人”是以“現代化、自動化”的裝備提升傳統產業,利用機器手、自動化控制設備或流水線自動化對企業進....

          的頭像 深圳市機器人協會 發表于 11-01 16:38 ? 499次 閱讀
          機器視覺技術的成熟加快機器換人的步伐

          如何在嵌入式Linux中截屏

          在桌面級操作系統中,下載一個截圖軟件就能實現截屏操作,但在嵌入式Linux系統中,要實現小小的截圖功....

          的頭像 ZLG致遠電子 發表于 11-01 16:10 ? 219次 閱讀
          如何在嵌入式Linux中截屏

          輕量級協議棧LWIP如何進行分析與改進

          為了適應嵌入式應用的要求,提高輕量級協議棧(1ight weight interact protoc....

          發表于 11-01 11:46 ? 33次 閱讀
          輕量級協議棧LWIP如何進行分析與改進

          基于嵌入式Linux系統的電力遠程自動抄表裝置詳解

          我國社會經濟的快速增長直接促進了電力工業的迅猛發展,電力需求不斷增加,供應日趨緊張,如今的電力系統已....

          發表于 10-31 17:44 ? 116次 閱讀
          基于嵌入式Linux系統的電力遠程自動抄表裝置詳解

          萊迪思推出iCE40Ultra FPGA產品系列 超低功耗助研發者打造殺手級功能

          隨著移動設備的普及化、多樣化,消費者對其功能要求也越來越挑剔,而設備中主控芯片無法完成的新功能,需要....

          發表于 10-31 17:33 ? 348次 閱讀
          萊迪思推出iCE40Ultra FPGA產品系列 超低功耗助研發者打造殺手級功能

          關于高速ADC和DAC與FPGA的配合使用淺析

          許多數字處理系統都會使用FPGA,原因是FPGA有大量的專用DSP以及block RAM資源,可以用....

          發表于 10-31 17:24 ? 107次 閱讀
          關于高速ADC和DAC與FPGA的配合使用淺析

          面對芯片及其相關的軟件開發技術的快速發展變化如何不迷失方向

          單片機不是裸奔就是RTOS,其實玩過RTOS和linux的同學都知道,RTOS雖然也叫操作系統,但是....

          的頭像 傳感器技術 發表于 10-31 17:05 ? 275次 閱讀
          面對芯片及其相關的軟件開發技術的快速發展變化如何不迷失方向

          FPGA時序的基本概念,RTL項目的設計探索

          盡管工程師們很清楚已有 FPGA 工具的參數設置,但是很多時候并沒有完全把這些設置的功能發揮出來。一....

          的頭像 FPGA技術聯盟 發表于 10-31 15:21 ? 279次 閱讀
          FPGA時序的基本概念,RTL項目的設計探索

          數字圖像是怎么通過模擬轉為數字的?

          還記得數字電路上對應的實驗都是VHDL的實驗嗎?數字電路告訴我們各種數字邏輯:非或與異。這些邏輯讓我....

          的頭像 FPGA2嵌入式 發表于 10-31 15:18 ? 216次 閱讀
          數字圖像是怎么通過模擬轉為數字的?

          TMP411 ±1°C Programmable Remote/Local Digital Out Temperature Sensor

          TMP411設備是一個帶有內置本地溫度傳感器的遠程溫度傳感器監視器。遠程溫度傳感器,二極管連接的晶體管通常是低成本,NPN或PNP型晶體管或二極管,是微控制器,微處理器或FPGA的組成部分。 遠程精度為±1 °C適用于多個設備制造商,無需校準。雙線串行接口接受SMBus寫字節,讀字節,發送字節和接收字節命令,以設置報警閾值和讀取溫度數據。 TMP411器件中包含的功能包括:串聯電阻取消,可編程非理想因子,可編程分辨率,可編程閾值限制,用戶定義的偏移寄存器,用于最大精度,最小和最大溫度監視器,寬遠程溫度測量范圍(高達150°C),二極管故障檢測和溫度警報功能。 TMP411器件采用VSSOP-8和SOIC-8封裝。 特性 ±1°C遠程二極管傳感器 ±1°C本地溫度傳感器 可編程非理想因素 串聯電阻取消 警報功能 系統校準的偏移寄存器 與ADT7461和ADM1032兼容的引腳和寄存器 可編程分辨率:9至12位 可編程閾值限...

          發表于 09-19 16:35 ? 8次 閱讀
          TMP411 ±1°C Programmable Remote/Local Digital Out Temperature Sensor

          TMP468 具有引腳可編程的總線地址的高精度遠程和本地溫度傳感器

          TMP468器件是一款使用雙線制SMBus或I 2 C兼容接口的多區域高精度低功耗溫度傳感器。除了本地溫度外,還可以同時監控多達八個連接遠程二極管的溫度區域。聚合系統中的溫度測量可通過縮小保護頻帶提升性能,并且可以降低電路板復雜程度。典型用例為監測服務器和電信設備等復雜系統中不同處理器(如MCU,GPU和FPGA)的溫度。該器件將諸如串聯電阻抵消,可編程非理想性因子,可編程偏移和可編程溫度限值等高級特性完美結合,提供了一套精度和抗擾度更高且穩健耐用的溫度監控解決方案。 八個遠程通道(以及本地通道)均可獨立編程,設定兩個在測量位置的相應溫度超出對應值時觸發的閾值。此外,還可通過可編程遲滯設置避免閾值持續切換。 TMP468器件可提供高測量精度(0.75°C)和測量分辨率(0.0 625°C)。該器件還支持低電壓軌(1.7V至3.6V)和通用雙線制接口,采用高空間利用率的小型封裝(3mm×3mm或1.6mm×1.6mm),可在計算系統中輕松集成。遠程結支持-55°C至+ 150°C的溫度范圍。 特性 8通道遠程二極管溫度傳感器精度:±0.75&...

          發表于 09-18 16:05 ? 4次 閱讀
          TMP468 具有引腳可編程的總線地址的高精度遠程和本地溫度傳感器
          天津11选5投注