FPGA 프레임 그래버 기반 딥 러닝
![](http://images-ctf.baslerweb.com/dg51pdwahxgw/FOVH5NqKYaJWhz314P5Ok/3bb499698e3f358cf0c401daec7d3fbc/d293ca06-6247-491e-bede-aa943ce8fcbe.webp?fm=webp&f=center&w=800&q=80&fit=pad)
![](http://images-ctf.baslerweb.com/dg51pdwahxgw/4ZoJ5VrLGmirgkkLRfHcjB/b4aec529fcb2064f30833fa197e9ad9f/Deep_Learning_Frame_Grabber_CNN_V02_1380x735px.webp?fm=webp&f=center&w=800&h=450&q=80&fit=pad)
가장 까다로운 딥 러닝 애플리케이션을 위한 deepVCL 프레임 그래버
FPGA는 매우 짧은 시간 동안 대량의 데이터를 처리할 수 있어 매우 까다로운 딥 러닝 작업에 적절한 대안입니다. CNN(합성곱 신경망)이 지원되는 카메라 링크 프레임 그래버 microEnable 5 marathon deepVCL 은 고성능 CNN 배포를 위해 설계된 최초의 프레임 그래버입니다. 이 프레임 그래버에는 강력한 Xilinx Kintex 7 비전 프로세서가 포함되어 있으며 이미 CNN 런타임 라이센스가 장착되어 있습니다. 850MB/s의 높은 대역폭을 통해 공장 자동화의 표면 검사처럼 매우 까다로운 딥 러닝 작업에서 초고속 추론을 수행할 수 있습니다.
![](http://images-ctf.baslerweb.com/dg51pdwahxgw/tvqO2QzrYm8kxSMaWEAST/90e043f984900797f15d9c2379c56fdd/Deep_Learning_Software_DE_1380x735px_1150x_.webp?fm=webp&f=center&w=800&h=450&q=80&fit=pad)
VisualApplets 소프트웨어를 통해 FPGA에서 CNN 구현
수상 경력에 빛나는 Basler의 그래픽 FPGA 프로그래밍 도구인 VisualApplets를 사용하여 CNN을 FPGA에 쉽게 배포할 수 있습니다. VisualApplets는 크기와 복잡도가 다양하며 사전에 훈련된 CNN 아키텍처를 FPGA에 직접 로드할 수 있습니다. VisualApplets는 TensorFlow처럼 가장 일반적인 CNN 라이브러리에서 사전 훈련된 네트워크를 지원합니다. 재훈련도 매우 간편합니다. 추가 이미지 최적화 작업을 사전 처리 또는 사후 처리 단계로 쉽게 통합할 수도 있습니다.
![](http://images-ctf.baslerweb.com/dg51pdwahxgw/7eYSbmCkWXMiUoXi2NE1vD/6d0fba3172543894887263bf1970d152/Deep_Learning_Contact_1380x735px_306x_.jpg?fm=webp&f=center&w=800&h=450&q=80&fit=pad)
Basler와 함께 하면 CNN의 FPGA 배포가 보다 쉬워집니다.
Basler는 FPGA 기반 딥 러닝 애플리케이션을 구현하기 위해 딥 러닝 경험 수준에 맞춘 두 가지 서비스 패키지가 포함된 CNN 런타임 라이센스를 제공합니다. 이미 훈련된 네트워크의 경우에는 FPGA 구현을 지원합니다. Basler는 딥 러닝에 대한 지식이 부족한 사용자를 위해 고객의 지적 재산을 조직 내부에서 관리하면서 대역폭 및 정확도를 위한 FPGA 구현과 완벽한 CNN 디자인을 동시에 제공합니다.
To our frame grabber services