深度学习CNN服务包

使用配备VisualApplets 的图形化FPGA编程，您可以集成不同规模和复杂度的理想网络架构，并为各种图像处理应用加载针对不同网络权重的预训练配置参数。通过这种方法，还可以导入来自第三方软件的网络信息和参数信息以及TensorFlow等训练工具。只要网络本身保持不变，您就能轻松地加载新权重。因生产新工件需要再次对网络进行训练时，可降低再次训练的难度。如果测试环境或目标对象发生变化，可以通过新的权重参数集来重新加载已再次训练的图像，或将其载入为新的网络。

FPGA可实现在图像采集卡或嵌入式视觉设备上直接处理图像数据，覆盖从图像采集到分析结果的过程，期间不会对CPU造成负担，这对于高度依赖CPU性能的应用（例如CNN）而言非常重要。因此，可以使用不配备GPU的小型PC，从而降低整体系统成本。

为了实现基于FPGA的深度学习应用，我们能为客户和合作伙伴提供CNN运行许可，其中包括两个服务包，能分别满足在深度学习方面拥有不同经验水平的用户的需求。如果用户已经构建了网络并进行了训练，我们会将该网络和权重（参数）一起传输和实施到图像采集卡的FPGA上（即实施服务）。

或者，我们也可以完全负责网络搭建和训练以及FPGA的实施工作（即开发服务）。在这两种情况下，我们都会对交付的成果进行测试和记录，以提供所需的带宽和精度，而CNN的知识产权仍然归用户所有。