四川11选5走势图

您的当前位置:四川11选5走势图->四川11选5走势图
四川11选5走势图

Xilinx用reVISION向视觉学习亮剑

标签:视觉,学习  2017-3-15 8:39:23  预览次

   在人工智能、机器学习鼓起的今天,All Programmable技术和器件厂商Xilinx也带来了爆品,发布了全新的reVISION堆栈防腐木木屋,剑指视觉导向的机器学习应用。该解决方案无需额外花费,搭载Xilinx的Zynq和处理器平台即可加速设计。可以看到,通过“芯片+软件堆栈”的策略,Xilinx把竞争矛头直指图形芯片厂商——英伟达的Tegra GPU和ADAS厂商Mobileye等。

本文引用地址:http://www.esouou.com/eepw.com7843/article/201703/345210.htm

三问reVISION

   笔者十分感爱好,reVISION堆栈功能壮大,所定位的视觉导向机器学习市场也看上去很有潜力,但是客户是否会先用Xilinx芯片,假如大批量采用时,客户会不会在此基础上本身设计ASIC芯片?Xilinx战略与营销高级副总裁Steve Glaser称,不必有此顾虑。不错,如今确实是有几家初创企业在开发专门的只是用于机器学习的芯片,但是挑衅是客户不仅仅要集成机器学习,还有计算机视觉、传感器融合等。所以,Xilinx并不认为会有其他人要或者可以本身开发这么一整套独特的性能组合,由于这个可能要花费几亿美元才能推出第一片芯片,而且从各种规格的确定/落实到第一个样片诞生可能必要长达三年以上的时间。此外在这三年过程中还会有一个挑衅:那就是神经网络、算法和传感器都在赓续演化,客户辛费力苦投入这么多打造出来一个硬件的时候,可能已经无法知足新技术的应用要求了。Steve 透露表现,唯一看到一个最终用户的设计,就是ASIC解决方案在云方面的应用,那就是谷歌的TPU,是特别很是专门的机器学习推测的应用。但是即使是谷歌,也很难赶上转变的速度,由于它是一个固定的硬件。

   ADAS是自动驾驶的阶段之一。在ADAS方面,Xilinx最大的竞争对手是Mobileye,“最近我们已经在这方面克服它了。”Steve分析道,Mobileye提供一种“交钥匙”的解决方案,采用的方法是类似的软件算法再加上芯片。“我们从客户那里也了解到,假如客户使用的是Mobileye,就无法实现差异化。但是假如是用赛灵思技术,他们就能够实现伟大的差异化的解决方案。所以,如今市场上排名前25%的企业,都是以差异化占有鳌头的企业,而他们使用的都是Xilinx的产品。虽然Mobileye的市场份额有50%~ 60%,但是这些企业都不属于寻求差异化设计的企业。”

Xilinx的SoC里含FPGA,通常FPGA,是吗

   现实上,ZynqSoC是一个高度集成的解决方案。如今已经实现了更低的定价,而且推出了更低端的单核产品;同时也推出了高端的4核、7核异构芯片,所以价格有从10美元直到几十美元的组合。可见,在量方面,Xilinx已经建立了一个特别很是壮大的成本优化的产品组合,能够提供特别很是好的量化的性价比。当然,也不会达到消耗级(例如上万万、亿级)的这么高的量。

reVIOSN如何知足机器学习?

   详细地,分析一下机器学习,如图1。纵轴是行业应用,是电子领域高度成长性的应用;横轴是应用的端,看是否靠近云。有些应用是三者兼顾,既在终端又在云。


图1 机器学习领域

   4个月前(2016年11月),Xilinx曾推出了可重配置加速堆栈,面向最右侧的云应用。此次是reVISION堆栈,重要针对左侧应用。

当前客户有从左向右转型的需求:不仅是左边的简单的传感器,还有右侧的机器学习的需求。例如,左边的应用都是特别很是简单的传感器的配置,通常是各种各样的摄像头,然后加上核心的技术——计算机视觉处理技术来识别整个框架环境中的物体。但是如今慢慢转向右边的应用变化,右边的应用会越来越使用各种不同类型的传感器技术,然后再加上图像传感器,还要和机器学习实现智能的融合。比如说,我们曩昔是在工厂里有机器,右侧使用各种传感器,还要进行计算和融合。我们曩昔工厂里的机器人是在笼子里来完成它们的工作,但是如今已经有了新一代的协作机器人,它们与人肩并肩工作,而且它们是可以移动的。同样,在ADAS里包含有前视汽车摄像头,但是如今为了要支撑自动驾驶汽车的发展,摄像头也是多种多样,会有不同的传感器,比如长程和短程的雷达、激光雷达、超声波技术等各式各样不同类型的传感器。而且还有机器学习的融合,使得这些车辆在行驶时能够做出本身的决策。

   从嵌入式视觉到自立系统,重要有三个应用的使命/要求。1.盼望智能性及系统及时相应,例如行人在车前快速通过。2.盼望升级到最新的算法和传感器的天真性,由于神经网络和深度学习的算法都在改变站,而且传感器的类型和组合也在转变,客户盼望能立即升级。3.万物互联,必要随时与其他机器和云保持连接。

   Xilinx的SoC处理器和reVISION堆栈等能够知足以上三个方面的需求。

   目前,已有几百家客户正在用Xilinx的芯片在开发自立系统,他们拥有很强的硬件知识,也投入了许多精力和时间,但reVISION最紧张的上风是可取消采用芯片的停滞,使没有硬件专业知识的用户也可以来应用,因此可支撑图1左边及一些混合芯片。

因此,reVISION堆栈(图1左侧和中部)和可重配置加速堆栈(图1右侧和中部),再加上此前使用Xilinx器件做安全控制系统等部分(图1左侧)。如今Xilinx已经能够支撑机器学习中从端到云绝大多数的应用。

reVISION可完成80%的设计工作

四川11选5走势图    reVISION堆栈与传统开发方法的比较如图2。纵轴是开发时间,横轴是开发方法。曩昔RTL使设计大大加速。大约在六年曩昔,Xilinx推出了新的进步服从的工具——基于RTL的硬件设计的工作流程,使得整个过程能够大大加速。如今已经有几百家客户在使用如许的工作流程来处理计算机视觉。据Xilinx所知,其中有40多家企业已经在用Xilinx的器件进行机器学习方面的开发。

图2 Xilinx机器学习相关的开发工具演进

   不过采用如许的方法,开发所投入和精力照旧相对比较大的,但是这种支出照旧使他们获得了很大的上风。为了提拔服从,大约在一年半之前,Xilinx推出了首个软件定义的编程环境——SDSoC,基于Xilinx的Zynq SoC芯片,重要是嵌入式的应用。如今Xilinx已经有1100多名付费的用户,他们支付相关的允许费,其中有折半都是专注于视觉方面的应用。

   但是,这虽然进步了服从,还没有达到Xilinx或者客户所盼望的目标,客户盼望能够有吻合行业标准的库和框架,帮助客户继承压缩开发时间。所以,此次推出的reVISION堆栈,可以使开发时间可以大大缩短。

   所以曩昔Xilinx提供芯片及20%的开发工作,但如今可以完成80%工作。

低时延上风

   根据英伟达 TX1的公开资料,Xilinx测算其reVISION方案在计算机视觉领域的上风达40倍以上,时延只有1/5。为什么低时延能够实现快速相应的系统特别很是的紧张?假设一辆小轿车跟在一辆小货车后面,这个小货车忽然进行紧急停车。后面的小轿车的时速是65英里,英伟达TX1方案的相应时间是49~320ms,而reVISION只有2.7ms!

   为何Xilinx能实现相应速度很快?典型的嵌入式GPU和典型的SoC比较中可见(图3),在如许的情景之下,传感器的数据必要外部存储,之后在处理的步骤中,也必要赓续地去访问外部存储。假如是Xilinx的Zynq器件,客户能够简化获得直接的数据流(图4右),直接经过传感器、传感器的处理,还有机器学习,一向到控制。这就会对相应的时间造成很大的影响,除此以外,还会影响到可预见性,也就是客户所说的决定性,他们盼望整个过程是可以预见的,可以确定的,并且相应速度要很快。所以Xilinx能够提供特别很是快速的决定性的相应,而Xilinx的同类竞争产品的响应速度要慢许多,而且是不可预见的。

图3 Xilinx的Zynq在时延方面与GPU等的比较

可配置性

   reVISION的另一项特别很是独特的功能,就是硬件和软件的可重配置性和可编程性:既支撑硬件,也支撑软件的可重配置和可以编程。对于下一代的机器学习来说,这种可重配置性至关紧张。

   机器学习尽管在1958年就出现了,但曩昔两年里机器学习所取得的提高等于之前45年取得的所有成果之和——不仅出现了新的神经网络和算法,而且对于这些嵌入系统更加有用的实施也有了新的方案。

   例如,在一些实施方案当中,之前最先辈的是浮点方案,这个方案对训练来说是特别很是合适的,但是在推测方面,由于推测要受到成本和功耗极大的限定,浮点就不那么合适。所以这种实施方案也在赓续的演进,从8位降落到4位,甚至最后到1位,所有的统统都是在一个神经网络里进行,只不过这个神经网络分成不同的条理,每个条理对应不同的精度。所以,可重配置性是特别很是关键的,只有具有可重配置性,才能够持续的升级到最新最好的机器学习的技术。但是可重配置性对于升级到新的传感器技术,并且支撑不同的传感器配置也很紧张。

知足传感器融合必要

四川11选5走势图    另外,传感器类型和配置出现了爆炸,业界称之为传感器融合。此外,人工智能和机器学习的赓续扩展驱动了这种传感器融合的趋势,所以也必要可重配置性来跟上这些转变的步伐。

   总之,reVISION消弭了向广泛视觉导向机器学习应用扩展的停滞,扩大了机器学习应用从端到云的开发和部署。


小结及感想

   笔者猜想,reVISION是reality vision(真实视觉)的合成词。人工智能包含多个部分,Xilinx选择了视觉导向的机器学习这一分支。然而,仅仅SoC芯片是不够的,Xilinx在软实力方面下了很大功夫——包括此次推出的reVISION堆栈,以及此前的可重配置加速堆栈等,使其方案覆盖了整个物联网的视觉学习领域(图1)。

   可见,Xilinx不仅在芯片设计和先辈制程工艺方面走在前列,也十分正视软件的作用(注:笔者猜想这与现任CEO及部分核心向导团队成员来自EDA软件公司Cadence有关)。几年前,该公司的一位资深VP曾吐露其软件人员数量已经超过了硬件人员,应该说,那时Xilinx已经是名副其实的软件公司了。但是Xilinx也意识到软件必要在硬件的基石上实现,因此今天看,Xilinx壮大的软件商业策略是其芯片向视觉学习领域发展的壮大推进器。

   不是吗?ARM SoC引擎有一大波,可谓宿将与复活代云集,各有各的背景和高招。作为从FPGA跨界进入ARM SoC市场的后来者,如何避免同质化,超越竞争对手,确实必要伶俐。依托壮大的定向软件助力,Xilinx这一招走得很妙!



四川11选5走势图 四川11选5 四川11选5 辽宁快乐12 四川11选5走势图 四川11选5开奖结果 四川11选5开奖结果 四川11选5走势图 四川11选5 四川11选5走势图