• in English
  • Niemal wszystkie urządzenia inteligentne, wypełniające zadania wizji komputerowej, rozpoznawania mowy i przetwarzania sygnałów wykorzystują obecnie sieci neuronowe (sieci NN). W przypadku wspomnianych aplikacji wydajność i dokładność sieci neuronowych osiągnęła punkt rozwoju, w którym badacze uznają je za rozwiązanie bardziej dokładne niż konwencjonalne podejście wykorzystujące algorytmy. Niemniej jednak istnieje zaledwie kilka urządzeń, które pozwalają przy brzegu sieci na implementację i uruchomienie takich rozwiązań wykorzystujących sieci neuronowe na potrzeby szybkiej analizy w czasie rzeczywistym.

    Ten przewodnik po rozwiązaniach przedstawia binarną sieć neuronową (BNN) i kwantowaną sieć neuronową (QNN) w zestawie Avnet Ulta96-V2 wykorzystującym nakładki Xilinx PYNQ. Użytkownicy będą mogli implementować aplikacje wykorzystujące sieci neuronowe do rozpoznawania obrazów, na przykład system wykrywania znaków drogowych i system identyfikacji zwierząt ImageNet. Ten projekt objaśnia krok po kroku jak implementować model akceleracji o wysokiej wydajności w oparciu o sprzęt we wbudowanych rozwiązaniach do przetwarzania przy brzegu sieci, wykorzystujących sztuczną inteligencję Internetu rzeczy (AIoT) zamiast stosować implementację oprogramowania, które charakteryzuje się swoimi własnymi ograniczeniami.

    Zakres wiedzy:

    • Heterogeniczne i w pełni programowalne urządzenia dla sieci neuronowych
    • Rozumienie nakładek PYNQ i PYNQ
    • Poznaj najlepsze ścieżki do rozpoczęcia pracy z PYNQ i Ultra96-V2
    • Sieci neuronowe i architektura
    • Wyzwania w obrębie implementacji sieci neuronowych
    • Konfiguracja sprzętu Ultra96-V2 na potrzeby rozruchu struktury PYNQ
    • Notebook Python Jupyter pracujący na rozwiązaniu Ultra96
    • Przykład projektu I — wykrywanie znaków drogowych
    • Przykład projektu II — rozpoznawanie zwierząt

    Wymagany sprzęt

    Zestaw płytki rozwojowej Avnet Ultra96-V2
    Dodaj do koszyka

    Pobierz przewodnik po rozwiązaniach

    *Wymagane

    Więcej informacji na temat wykorzystania danych klienta znajduje się w naszej Polityce ochrony danych osobowych i Polityce prywatności