时间:2024-08-08 来源:网络搜集 关于我们 0
人工智能是目前最热门的技术,大量人工智能技术采用了赛灵思的FPGA进行算法的执行,以下内容整理自4月12日由安创空间举办的“Tech Day(安创技术日)”上,嘉宾赛灵思亚太区技术营销高级经理罗霖 关于《赛灵思FPGA人工智能领域技术及应用》的直播分享材料,非全文摘录。
分享嘉宾:罗霖
赛灵思亚太区技术营销高级经理
问答
Q:机器学习深度学习在Zynq中的应用
A:机器学习在Zynq中的应用非常广泛,主要集中在前端和边缘侧。具体来讲,在ADAS/自动驾驶上可以实现车辆、行人、车道、交通标志以及可行驶区域检测,可以做传感器融合;在智能安防上,可以实现车辆、车型、车牌、交通违规、车流量、人流量、人脸等检测;在无人机上,可以实现自动避障、自动跟随等功能;在医疗影像设备上,可以进行医疗图像的分析,帮助医生判断是不是可能有癌症或异常;在机器人上,可以实现增强学习,让机器人学习新的技能。
Q:嵌入式视觉在Zynq中的应用
A:嵌入式视觉的概念很宽,包括图像处理(ISP), 视频处理,视频分析等,这些功能都能在Zynq上面实现。在ISP方面,比如降噪、宽动态、去雾,3A等;在视频处理方面,比如缩放、去隔行、全景拼接、鱼眼矫正等;在视频分析方面,包括边缘,形状,纹理提取,物体检测、分类、背景建模等。产品例子包括全景相机、4K智能相机、高清微投、大屏显示等。
Q:System generator在FPGA深度学习方面的用途
A:Xilinx开发了可用于深度学习的一些底层的BLAS和DNN的库,这些库需要使用Xilinx的SDAccel和SDSoC工具。目前我们还没把这些库添加到Simulink的模块库去。
Q:FPGA正在取代MCU, 请问罗老师怎么看
A:FPGA特别是Zynq SoC在某些应用上会取代一部分MCU/MPU/DSP。比较多的场景是以前的架构是基于分离方案的,在PCB上既有处理器,也有FPGA。那么用Zynq单芯片方案可以提高系统集成度、提高性能、节省PCB面积以及降低功耗。在有些应用上,如果MCU/MPU/DSP就足够好了,不需要用到FPGA,那么整合或替代的可能性就比较低。随着Zynq价格的降低,特别是单芯片Z7007S的推出,我们也看到一些传统使用MCU/DSP的客户也开始使用Zynq进行开发。
Q:在FPGA上实现深度学习算法是用什么编程呢,用Verilog还是用C语言
A:在FPGA上实现深度学习算法,如果有RTL开发的能力,可以使用Verilog或VHDL进行算法的实现,可以实现很高的性能,但是要求FPGA工程师的能力比较强,开发的周期也比较长;也可以通过C/C++语言,用HLS/SDSoC进行开发,需要工程师对HLS比较熟悉,知道怎么使用合适的#pragma把算法的行为告诉编译器,开发的周期比使用RTL会短一些;还有一种方式是使用Xilinx的机器学习堆栈,调用已经针对硬件优化的BLAS和DNN库进行开发,在保证性能的同时,可以实现很高的开发效率。
更多内容请点击阅读原文
如果觉得有价值请欢迎关注我的微信号关注全球半导体最新科技趋势信息和新兴技术应用,解读半导体产业最新动态,伸出你的小手按一下,我们就是分不开的好朋友啦!