《从神经网络入门嵌入式视觉应用的机器学习.doc》由会员分享，可在线阅读，更多相关《从神经网络入门嵌入式视觉应用的机器学习.doc（1页珍藏版）》请在三一文库上搜索。
1、从神经网络入门嵌入式视觉应用的机器学习作者：Nick Ni 和 Adam Taylor图1：简单的神经网络图2：定义网络的 Prototxt 文件实例图 3：可编程逻辑实现的好处图4：reVISION 堆栈图5：Caffe 流程集成图6：不同权重表达的网络精度。资料来源：https:/arxiv/pdf/1510.00149v5.pdf真实性能在真实环境中，reVISION 堆栈能带来明显优势。在嵌入式视觉应用中使用机器学习的应用实例之一，如车辆避碰系统。在 reVISION 中针对赛灵思 UltraScale+ MPSoC 并开发相关应用，使用 SDSoC 在可编程逻辑中按需为各项功能加速以
2、达到优化性能，能明显改善响应性。在都用于实现 GoogLeNet 解决方案的条件下，将 reVISION MPSoC 的响应时间与基于 GPU 的方法进行对比，差异相当明显。reVISION 设计能在 2.7ms 内发现潜在的碰撞事件并启动车辆制动（使用的批量规模为 1），而基于 GPU 的方法则需要用时49ms-320ms（具体取决于其实现方案）（对大批量规模）。GPU 架构需要大批量规模才能实现合理的吞吐量，但会以牺牲响应时间为代价，而 Zynq 在批量规模为 1 的情况下也能以极低时延实现高性能。这种反应时间上的差异可以决定碰撞发生与否。总结机器学习将继续成为众多应用的重要推动因素，尤其是在视觉导向机器人或所谓的“协作机器人”中。将处理器内核与可编程逻辑结合的异构 SoC, 能创建非常高效、极具响应性且可重配置的解决方案。像reVISION 这样的堆栈的推出，首次将可编程逻辑的好处带给了更广阔的开发者社群，同时还缩短了解决方案的开发时间。