随着以人工智能技术为代表的数字经济浪潮的来临,如今,AI 正越来越多地被部署于边缘应用,这些应用要求以低时延、低功耗和小封装尺寸执行大量数据处理。
要想实现这一综合要求就必须为整体 AI 流程和非 AI 流程都进行提速,这也要求加速平台必须具备灵活应变的能力。在此背景下,赛灵思推出自适应 SOM为 AI 赋能边缘应用提供了更高效的解决方案。
自适应 SOM 的研发思路
在构建一款 AI 赋能边缘应用的过程中可能会遇到大量可用的方案。在众多行业中,通用方法是硬件设计团队开展“芯片先定”的策略,尽管这种方法能切实提供高度优化的实现方案,但需要耗费大量开发时间与成本才能达到量产就绪状态。 为节省研发支出和时间,赛灵思设计团队采用了集成度更高的解决方案,即自适应系统模块(SOM)。SOM 提供了一个完整的可量产化计算平台,与“芯片先定”开发相比,可节省大量开发时间和成本。此外,SOM 还能插入更大型的边缘应用中,既能为定制实现方案带来灵活性与易用性,又缩短了现成解决方案的上市时间。
自适应计算为 SOM 提供技术支持
对于 AI 赋能的边缘应用而言,自适应计算是最具前景的支持技术之一。自适应计算涵盖了一套综合全面的设计与运行时软件集,这些软件结合起来,造就了一款独特的自适应平台,在此之上可以开发高度灵活且高效的系统。 借助自适应计算,无需 ASIC 等定制芯片器件涉及的设计时间和前期成本就能实现 DSA,这便于为任何给定领域迅速开发灵活的、经优化的解决方案,包括 AI 赋能的边缘应用。此外,自适应计算允许为应用专门开发硬件,而且如果工作负载或标准发生演进,仍能根据需要灵活适应。
自适应 SOM 为开发者赋能
自适应 SOM 是一种面向边缘应用的理想平台,不论是对于硬件开发者还是软件开发者而言,它都拥有固定芯片技术的 SOM 所不能比拟的独特优势。 对于硬件开发者而言,适应 SOM 能够支持开发者使用现成的、可量产化的解决方案,从而省去大量的开发成本和时间。与典型“芯片先定”方式相比,基于 SOM 的设计可助力嵌入式视觉应用提前 9 个月完成。此外,自适应 SOM 还支持设计流程后期的修改设计。 对于软件开发者而言,自适应 SOM 可以在其熟悉的 Python、C++、TensorFlow 和 PyTorch 等环境下,为其提供易于使用、开箱即用的体验。除了预构建平台和 API ,综合全面的软件工具还能实现自适应硬件的完全定制,从而进一步提升灵活性和优化水平。
原文标题:开箱+研讨会,深入了解 KRIA SOM
文章出处:【微信公众号:赛灵思】欢迎添加关注!文章转载请注明出处。
责任编辑:haq
-
AI
+关注
关注
87文章
30805浏览量
268945 -
人工智能
+关注
关注
1791文章
47229浏览量
238340 -
SOM
+关注
关注
0文章
58浏览量
15713
原文标题:开箱+研讨会,深入了解 KRIA SOM
文章出处:【微信号:赛灵思,微信公众号:Xilinx赛灵思官微】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论