首页 / 行业

赛灵思领先业界的十二大人工智能平台展示

2019-07-26 14:29:00

赛灵思人工智能平台再次闪耀”红毯”。 Lady Gaga在奥斯卡颁奖典礼上以其热门电影A Star Is Born的歌曲“Shallow”获得了巨大的胜利，赛灵思在德国嵌入式世界（Embedded World ）大展上以其深度学习上的“Deep”，赢得了嵌入式计算设计最高奖项 —— 著名的嵌入式世界最佳展示奖。

这是继赛灵思机器学习套件ML Suite 在嵌入式视觉峰会赢得“最佳云技术”大奖之后，赛灵思人工智能平台产品再获殊荣。在众多企业提名的人工智能、机器学习（AI / ML）类方案的激烈角逐中，赛灵思从中脱颖而出。

赛灵思人工智能平台是业界首个双硬件和软件优化器。全面的软件环境直接在Caffe，TensorFlow和MxNet等标准框架中编译和量化经过训练的神经网络模型，并优化它们，以便在赛灵思 SoC和FPGA上实现。

赛灵思十二大人工智能平台展示

赛灵思人工智能平台

该平台的网络剪枝技术将AI计算要求降低了93％，且精度损失不到1％。此外，为了获得最佳性能，它还根据网络结构自定义了AI推断的硬件IP和存储器层次结构。

该奖项进一步肯定了赛灵思灵活应变的AI推断加速方案，其从云到端为行业提供了无与伦比的低时延性能。我们的AI平台和生态系统使开发人员能够加速其整体应用，同时将网络性能优化提高至5倍至50倍，并同时降低功耗。

下面就请跟随小编一起来看看，2019 Embedded World（嵌入式世界）展会上所展示的一大波赛灵思人工智能平台吧。

0 1 RFSoC 软件定义无线电

该软件定义无线电演示主要展示 Zynq UltraScale + RFSoC 数十亿采样 RF 数据转换器和软判决前向纠错 (SD-FEC)，其集成在一个 SoC 架构中。此产品系列在一款 Zynq UltraScale+ 器件中提供 ARM Cortex-A53 处理子系统、UltraScale+ 可编程逻辑和最高信号处理带宽，能够提供综合 RF 信号链，满足无线、有线电视接入、测量测试、早期预警／雷达以及其它高性能 RF 应用需求。

0 2 多流低时延视频编解码器

许多实时视频编码应用都需要低时延，比如视觉医疗手术设备、监控摄像头或严重依赖视频数据实时处理的高级驾驶员辅助系统 (ADAS)。实时视频应用的关键指标是玻璃时延。该低时延视频编解码器演示采用子帧时延模式展示了其对多流场景的支持，该模式最适合实时视频流类型的应用。

0 3 FPGA设计入门 — Cortex-M1

在 Arm Cortex-M1 内核的赛灵思器件上演示软硬件启动，这是 Arm DesignStart FPGA 程序的一部分。MDK/Keil 开发工具，直接连接至基于 Cortex-M1 的子系统，该子系统在一个基于 FPGA 的 Arty-S7 评估板上实例化。实时选项可针对主机笔记本电脑上的应用设计进行更新，并下载到该电路板上。针对 RTOS 运行的 ThreadX。将加载支持 Cortex-M1 设计的 Vivado，其可用来说明赛灵思 DesignStart FPGA 流程。

0 4 八通道视频监控分析设备

视频分析设备可通过从现有摄像头获取输入信息并在网络中添加智能性，为现有的安全系统注入新的活力。该演示将展示赛灵思如何实现不同摄像头 8 个 H.264/H.265 视频通道的同时解码以及如何在单个 Zynq UltraScale+ MPSoC 中应用灵活响应的 AI。8 个 IP 摄像头（Xilinx 或第三方）使用 RTSP 客户端向设备发送压缩的比特流。

0 5 将机器学习推断从云转移至端

本演示展示了一个支持 Xilinx + AWS 物联网的分布式控制应用如何利用 AWS 云分析、机器学习模型构建、应用供应及系统仪表板的比例。我们基于油气行业场景展示了工业控制器和智能 I/O 模块如何通过 Zynq Ultrascale+ 上的 AWS Greengrass 和 Xilinx Zynq-7000 平台上的亚马逊 FreeRTOS 与 AWS 云服务协作。该演示展示了如何通过将机器学习应用从云端转移至端点（这可缩短时延响应时间并降低带宽要求），为使用寿命很长的系统实现渐进的应用功能。

0 6 基于Python的预测维护功能

SPYN 是 Xilinx 新一代简单易用的马达控制及分析套件。SPYN 采用 Zynq-7000 SoC，带有一个可用于在 FPGA 架构中创建加速电机控制算法的 C 语言界面以及支持传感器数据采集及处理的 PYNQ 框架，可为普及的 Python 库提供帮助。查看和控制片上分析和预测性维护算法是通过一个由片上 Ubuntu 网络服务器驱动的 Jupyter 笔记本界面实现的。

0 7 采用机器学习加速器的摄像头

IDS NXT 平台是一系列基于视觉应用的工业摄像头，主要用于在 Xilinx Zynq UltraScale+ MPSoC 中嵌入了 Kortiq 的 AIScale 机器学习加速器的机器视觉应用。演示的特点是各种旋转的目标，这些目标由在 FPGA 逻辑中实现的低时延、低功耗 Kortiq AIScale 加速器在几十毫秒内检测识别。此外，Zynq UltraScale+ MPSoC 还安装在 Kortiq 的 SOMIQ 系统级模块上，以便轻松实现人工智能部署。

0 8 DRIVE-XA 自动驾驶开发平台

DRIVE-XA 是 Xilinx 最新的自动驾驶开发及路线规划平台。该平台为客户提供了一个模块化的可定制异构处理环境，具有广泛的传感器接口选项。该演示将展示平台的数据聚合、预处理和分配 (DAPD) 功能，以及 Xylon 的 6 摄像头 BSP 框架，该框架可为用户提供一个高效执行 IP 开发的起点。

0 9 针对ADAS图像识别的深度学习

多通道神经网络处理用于目标检测，支持完整的车道场景分割和目标检测识别。演示如何使用 CNN 加速器进行深度学习，以获得性能优化的 ADAS 解决方案。本演示使用基于 Zynq Ultrascale+ 的 ZCU102 平台，该平台运行支持四个外部摄像头和加载的视频流的多神经网络。

1 0 为ADAS实现动态功能eXchange

DFX 可帮助系统开发人员将系统运行时过程中互相排斥的函数纳入单个器件中。由于设备资源的限制，这些功能不能一起使用。这些资源限制可通过部分重配置来解决，其中通过 DFX 激活各种功能。前置摄像头视图、后置摄像头视图、生物特征识别以及其它相互排斥的功能现在可通过加载急需事件触发在单个设备中有效提供。这些功能相结合，所需的资源将超过单个设备所能提供的资源。使用 System View VSI 来分区和实现 DFX，可以在运行时为系统工作提供这些功能。该演示将为演示 DFX 的前后摄像头展示一款 ADAS 解决方案。

1 1 Alveo加速卡上的端点分析

端点设备产生的数据量呈指数级增长。Xelera 分析软件为实时分析端点服务器上的数据提供一个实时解决方案。采用 Xilinx Alveo 加速器卡的 Xelera 分析库包含高速分析和机器学习算法，其使用无需改变应用层面的代码。

1 2 Alveo上的自适应比特率转码

当前的视频服务提供商使用新一代压缩标准和自适应比特率 (ABR) 流媒体协议来管理带宽并确保高效的视频分发。这两种方法都能带来有效的结果，但也会增加计算复杂性。Xilinx 看到了这一挑战，开始与 NGCodec 和 VYUsync 合作，构建一个在无需客户对现有基础架构进行大幅修改的情况下即可提供必要性能的解决方案。我们一起向 HEVC 或 VP9 ABR 转码器提供 Alveo 加速的实时 H.264。

人工智能平台业界端点