您的浏览器与网页部分内容不兼容,请及时更新。 点击此处了解如何更新浏览器。

OK

深度学习CNN服务包

深度学习技术 已达到了产品生产线所需要的处理速度,并已经取代了现有的解决方案,其推理功能可以满足在线检测的要求。新的高性能Camera Link图像采集卡,例如microEnable 5 marathon deepVCL,配备了CNN运行许可,它包含更强大的FPGA处理器,具有深度学习应用所需的强大处理能力和高带宽。

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。

开发和实现服务

借助更强大的FPGA资源,可以同时在更高的带宽下实现更复杂的架构,从而实现所需的应用功能。未来的图像采集卡将能从一开始就配备由超大型神经网络提供的实用推断功能。用户可以继续使用现有的由相机、线材、光源、芯片和驱动组成的图像处理系统。

由于前来咨询的客户较多,因此我们现已开始提供完整开发服务或实施支持服务。我们计划推出可实现自编程的VisualApplets扩展,并将另行择期发布。

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。

我们乐意为您提供帮助

如需了解更多信息,请与我们的销售团队联系。

联系销售团队