EP2S90F780C4国宇航芯代理

莱迪思半导体公司客制化智能互连解决方案市场的供应商，今日宣布广受市场欢迎的MachXO3™控制PLD系列迎来新成员，可满足通信和工业市场上不断变化的设计需求。全新的MachXO3－9400器件提供低功耗1.2 V内核封装选择，适用于对散热要求严苛的环境，为电机控制和电路板管理功能提供更多FPGA逻辑资源，为服务器和存储应用提供更多I／O。为了帮助采用MachXO3器件进行设计开发的客户，莱迪思同时推出了性能强大且提供更多灵活性的评估板，支持各类系统架构，包括电路板管理、嵌入式微控制器I／O扩展和视频协议桥接功能。
针对嵌入式视觉应用，Lattice LF-EVDK1-EVN 嵌入式视觉开发套件 (EVDK) 为运行 CNN 模型推理提供了理想的目标平台。EVDK 提供了一个完整的 80 x 80 mm 三板堆叠式视频平台，包括 Lattice CrossLink 视频输入板、带 ECP5 FPGA 的处理器板和 HDMI 输出板。开发人员可以将 EVDK 用作 Lattice 提供的多个示例 CNN 应用的目标平台。

HUMAX**执行官Tae-Hun Kim表示：“HUMAX很高兴能够与 Qorvo合作，将其GP712芯片组集成到我们的产品中。作为解决方案的供应商，这将大大改善我们为运营商和终端客户提供的创新解决方案和服务。HUMAX会继续在不断扩大的智能家居市场中争创，而我们与Qorvo的联合也强调了我们在这一领域的承诺。”

MachXO3－9400评估板采用MachXO3－9400控制PLD和莱迪思硬件管理扩展器（Lattice Hardware Management Expander）L－ASC10。评估板还包含适用于Raspberry Pi 3、Arduino Zero以及其他扩展电路板的连接器。它是设计工程师的理想选择，能够又快又好地为新的计算和工业应用构建I／O扩展、协处理、电机控制和视频桥接功能。
随着摄像头和其他设备产生的数据在快速增长，促使人们运用机器学习从汽车、安防和其他应用产生的影像中提取更多有用的信息。**器件有望在嵌入式视觉应用中实现高性能机器学习 (ML) 推理。但是此类器件大都处于早期开发阶段，因为设计人员正在努力寻找有效的算法，甚至人工智能 (AI) 研究人员也在迅速推演新方法。
高级 FPGA 组合了嵌入式存储器和数字信号处理 (DSP) 资源，对于一般矩阵乘法 (GEMM) 运算能够实现很高的性能。其嵌入式存储器靠近计算引擎，从而缓解了 CPU 存储器瓶颈，而这种瓶颈通常会限制通用处理器上机器学习算法的性能。反之，相比于典型 DSP 器件（图 1），FPGA 上的嵌入式 DSP 计算引擎提供了更多的并行乘法器资源。FPGA 厂商在交付专门用于机器学习的 FPGA 开发平台时充分利用了这些特性。
Intel 安全屏障摄像机示例应用程序演示了使用推理流水线，先识别车辆（绿色边界框），再识别颜色、类型和车牌位置（红色框）等车辆属性，后识别车牌字符（红色文本）

支持 FPGA 的 Intel OPENVINO 工具包提供了一套必需的完整工具链，可将在 Caffe、TensorFlow 和其他框架上训练的模型部署到 Arria 10 GX FPGA 开发套件或围绕 Arria 10 GX FPGA 构建的定制设计上
Intel 近推出的支持 FPGA 的 OPENVINO™ 扩展了该平台将推理模型部署到不同类型设备（包括 GPU、CPU 和 FPGA）的能力。在该平台上，开发人员可使用 Intel 的深度学习推理引擎工作流程，其中整合了 Intel 深度学习部署工具包和在 Intel OPENVINO 工具包中提供的 Intel 计算机视觉软件开发套件 (SDK)。开发人员使用 SDK 的应用编程接口 (API) 构建模型，并且可利用 Intel 的运行模型优化器针对不同硬件平台进行优化。
为在嵌入式视觉应用中运用机器学习，开发人员使用可用硬件平台实现所需性能水平的能力受到了限制。然而，高性能 FPGA 的出现使得开发人员可以构建性能接近 GPU 的推理引擎。采用专为嵌入式视觉设计的机器学习 FPGA 平台，开发人员可以专注于特定需求，使用标准机器学习框架训练模型，并依靠 FPGA 平台实现高性能推理。