基于深度神经网络开发AI编译器
概述
我们正在开发的 AI 编译器是可以从预训练的深度神经网络为瑞萨的 R-Car 设备生成高性能可执行代码的软件。
背景
实时执行 CNN 推理是一项非常具有挑战性的工作，因为嵌入式硬件在计算和功耗的硬件资源方面面临着严格的限制。为了在 R-Car V 系列设备上有效地执行 CNN 推理，瑞萨设计了异构架构，该架构分为可编程处理器 （CPU） 和专用于计算网络各层的加速器。
至于AI编译器，常见的软件架构包含两部分：编译器“前端”和编译器“后端”，如图所示。深度神经网络在 AI 编译器中被翻译成多级 IR。编译器前端负责与硬件无关的转换（图 IR）和图优化，而编译器后端负责特定于硬件的优化、代码生成。
例子
瑞萨主要开发硬件相关的优化算法，最大限度地利用R-Car V系列的异构架构。为了进一步提高性能，有必要了解与深度神经网络相关的最新论文，并与工程师进行技术讨论。我们正在寻找该领域积极进取的工程师。
结论
深度神经网络是近年来得到广泛研究并不断发展的技术领域之一。瑞萨将提供先进的人工智能工具来协助自动驾驶技术的发展。
图像
审核编辑：郭婷
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
神经网络
+关注
关注
42文章
4655浏览量
99487 -
AI
+关注
关注
87文章
27597浏览量
265189 -
编译器
+关注
关注
1文章
1588浏览量
48797
发布评论请先 登录
相关推荐
深度神经网络概述及其应用
深度神经网络（Deep Neural Networks, DNNs）作为机器学习的一种复杂形式，是广义人工神经网络（Artificial Neural Networks, ANNs）的重要分支。它们
循环神经网络和卷积神经网络的区别
循环神经网络（Recurrent Neural Network，RNN）和卷积神经网络（Convolutional Neural Network，CNN）是深度学习领域中两种非常重要的神经网络
深度神经网络与基本神经网络的区别
在探讨深度神经网络（Deep Neural Networks, DNNs）与基本神经网络（通常指传统神经网络或前向神经网络）的区别时，我们需
深度神经网络的设计方法
深度神经网络（Deep Neural Networks, DNNs）作为人工智能领域的重要技术之一，通过模拟人脑神经元之间的连接，实现了对复杂数据的自主学习和智能判断。其设计方法不仅涉及网络
bp神经网络是深度神经网络吗
BP神经网络（Backpropagation Neural Network）是一种常见的前馈神经网络，它使用反向传播算法来训练网络。虽然BP神经网络在某些方面与
深度学习与卷积神经网络的应用
随着人工智能技术的飞速发展，深度学习和卷积神经网络（Convolutional Neural Network, CNN）作为其中的重要分支，已经在多个领域取得了显著的应用成果。从图像识别、语音识别
深度神经网络模型有哪些
模型： 多层感知器（Multilayer Perceptron，MLP）： 多层感知器是最基本的深度神经网络模型，由多个全连接层组成。每个隐藏层的神
利用深度循环神经网络对心电图降噪
具体的软硬件实现点击 http://mcu-ai.com/ MCU-AI技术网页_MCU-AI
我们提出了一种利用由长短期记忆 (LSTM) 单元构建的深度循环
发表于 05-15 14:42
详解深度学习、神经网络与卷积神经网络的应用
在如今的网络时代，错综复杂的大数据和网络环境，让传统信息处理理论、人工智能与人工神经网络都面临巨大的挑战。近些年，深度学习逐渐走进人们的视线，通过深
《 AI加速器架构设计与实现》+第一章卷积神经网络观后感
《 AI加速器架构设计与实现》+第一章卷积神经网络观感
在本书的引言中也提到“一图胜千言”，读完第一章节后，对其进行了一些归纳（如图1），第一章对常见的神经网络结构进行了介绍，
发表于 09-11 20:34
卷积神经网络和深度神经网络的优缺点 卷积神经网络和深度神经网络的区别
深度神经网络是一种基于神经网络的机器学习算法，其主要特点是由多层神经元构成，可以根据数据自动调整神经元之间的权重，从而实现对大规模数据进行预
发表于 08-21 17:07
•3218次阅读
卷积神经网络原理：卷积神经网络模型和卷积神经网络算法
卷积神经网络原理：卷积神经网络模型和卷积神经网络算法 卷积神经网络（Convolutional Neural Network，CNN）是一种基于深度
工商网监
评论