高云半导体推出适用于人工智能边缘计算的GoAI ™ 2.0

中国广州，2020年9月21日-广东高云半导体科技股份有限公司（以下简称“高云半导体”），今日发布最新版本GoAI™机器学习平台，该平台提供SDK和加速器，在高云FPGA上搭建卷积神经网络，执行边缘推理的机器学习。高云GoAI™ 2.0可直接集成到TensorFlow 和 TensorFlow Lite机器学习平台，针对高云GW1NSR4P µSoC FPGA进行了优化，并提供加速器，以实现从嵌入于高云FPGA的微控制器分担计算密集型功能，从而使性能提升80倍。

机器学习领域快速发展，为实现更好的标准化、可靠性、以及开发简易性，框架、平台、模型和数据集正趋于一致。TensorFlow已成为这些平台之一，并支持嵌入式SoC和微控制器。GoAI™ 2.0的新增功能，可使客户轻松使用支持高云嵌入式FPGA的TensorFlow。

“GoAI™ 2.0在将机器学习模型部署到聚焦边缘的嵌入式FPGA上有几个重要更新。”高云半导体国际营销总监Grant Jennings表示。“我们可以用GoAI™ 2.0将Mobilenet等的机器学习模型部署到我们的GW1NSR4P µSoC FPGA上。GW1NSR4P非常适合在边缘使用TensorFlow Lite for Microcontrollers来执行TinyML推理，因为它包括一个ARM Cortex-M3硬核微控制器，用于直接移植模型和控制GoAI加速器；包括FPGA构造的4.6K查找表，用于实例化GoAI™ 2.0加速器和连接传感器输入；还包括额外8MB的SRAM用于层存储，这些资源全部包含在一个低成本的6x6mm QFN48封装内。我们的GoAI™ 2.0 SDK可以让我们的客户快速、轻松地将TensorFlow部署到FPGA”。

使用GoAI™ 2.0，无需FPGA RTL或微处理器C/C++编程。 GoAI™ 2.0 SDK自动生成从ARM Cortex-M处理器驱动加速器的C/C++代码。 GoAI™ 2.0加速器是作为FPGA IP提供的，但也包含在带有各种类型传感器输入的部分预生成FPGA比特流中。 GoAI™ 2.0加速器架构的设计使得处理器在每个模型层只需要更新一个寄存器映射，而不需要RTL变化来部署或改变使用的机器学习模型。

虽然机器学习可能会有明显的学习曲线，但GoAI™ 2.0提供了几个不同类型的传感器输入的入门参考设计，如相机、麦克风和加速器等。参考设计包括根据输入值预测正弦波输出的数据推理、从麦克风输入推断 “是 ”或 “否 ”的音频短语检测，以及推断摄像头视图中是否有人存在的人员检测。更多的参考设计还在继续开发中，包括利用加速度计检测用户手持开发板时在空中画出的形状的手势检测。开发人员可以使用三种GoAI™ 嵌入式开发套件中的一种开始使用GoAI™ 2.0。开发套件包括各种密度的高云FPGA、用于运行参考设计的传感器和其他外设，如用于视频演示的HDMI输入和输出。

“边缘机器学习推理已成为许多市场应用的主流，包括消费、工业和医疗等。”高云半导体美洲区销售总监Scott Casper表示。“GoAI™ 2.0平台使嵌入式系统工程师能够以高性价比的价格将这些高级功能轻松添加到应用中。我们提供了许多资源，如参考平台、开发套件和现场支持等，让工程师们立即轻松上手。”

“在即将到来的AI EXPO KOREA展会上，我们高云将展示GoAI™ 2.0平台。”高云半导体亚太区销售总监兼高云半导体香港总经理谢肇坚表示，“我们将在AI EXPO KOREA首次展示适用于韩国创新和领先AI技术的GoAI 2.0平台。高云GoAI™2.0为边缘AI市场提供了最具性价比的平台，并且我们的人员检测方案已经被韩国客户选为下一代平台。与他们现有的解决方案相比，我们的平台大大降低了功耗和设计复杂性。”

高云的GoAI™ 2.0解决方案将于2020年10月27日-10月29日在韩国首尔COEX的D馆展示。

微处理器自动生成边缘计算加速器

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。