0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

Cadence宣布新的Tensilica Vision P6 DSP瞄准嵌入式神经网络应用

PCB线路板打样 来源:LONG 2019-08-07 11:05 次阅读

与上一代Vision DSP相比,最新的DSP四倍神经网络性能

加利福尼亚州圣何塞, 2016年5月2日/PRNewswire/--Cadence Design Systems,Inc。(纳斯达克股票代码:CDNS)今天宣布推出全新Cadence®Tensilica®VisionP6数字信号处理器(DSP),这是Cadence的最高性能视觉/成像处理器,将Tensilica产品组合进一步扩展到快速增长的视觉/深度学习应用领域。新指令,更高的数学吞吐量和其他增强功能为成像和计算机视觉基准设定了新标准,与Tensilica Vision P5 DSP相比,性能提高了4倍。

Tensilica Vision P6 DSP与上一代Vision P5 DSP相比,具有四倍的累加(MAC)性能,针对可用MAC性能主导的卷积神经网络(CNN)应用。与商用GPU相比,Tensilica在典型的神经网络实现中,Vision P6 DSP可以在低得多的功耗下实现两倍的帧速率。对于广泛的其他关键视觉功能,如卷积,FIR滤波器和矩阵乘法,Tensilica Vision P6 DSP利用其改进的8位和16位算法将性能提高了4倍,使其成为理想的DSP用于CNN应用。此外,Tensilica Vision P6实现了即时数据压缩,大大减少了对要求苛刻的“完全连接”神经网络层的内存占用和带宽要求。

Tensilica Vision P6 DSP建立在势头上市场领先的Vision P5 DSP,已由两家领先的移动电话应用处理器供应商设计。这款最新的视觉DSP与Vision P5 DSP兼容,提供可选的32路SIMD矢量浮点单元,包括IEEE半精度标准(FP16)。浮点性能是Vision P5 DSP的两倍,可以轻松使用现有的浮点神经网络实现。

Tensilica Vision P6 DSP的进步进一步提高了软件开发和移植的便利性,全面支持整数,定点和浮点数据类型,以及带有经过验证的自动矢量化C编译器的高级工具链。该软件环境还完全支持标准OpenCV和OpenVX库,支持超过1000个库函数,支持现有成像/视觉应用程序的快速,高级别迁移。 Tensilica Vision P6 DSP的早期客户参与预计将于6月底开始。

“Cadence在高级视觉和深度学习方面投入巨资,”Chris Rowen ,Cadence的IP集团首席技术官说。 “我们正致力于发现神经网络的改进结构和培训,为快速应用开发提供丰富的软件环境,并为嵌入式视觉和学习部署提供突破性的视觉DSP架构.Tensilica Vision P6设计是这项投资的直接结果,这显着提高了视觉效率和可扩展性的标准。“

”我们一直与Cadence密切合作开发基于CNN的视觉应用。具有宽矢量SIMD处理,VLIW指令,快速直方图和分散/聚集内在函数使其成为要求CNN算法的理想平台,“A说。 G. K. Karunakaran ,Multicoreware的总裁兼首席执行官。“Tensilica Vision DSP的性能特点,结合其高度调整的图像处理库和强大的开发环境,实现了我们算法的高效实施,缩短了我们的开发周期。我们很高兴能继续与Cadence合作新一代Vision P6 DSP。“

“更了解周围世界的设备更强大,更自主,更安全,更易于使用,”嵌入式创始人Jeff Bier 说道。视觉联盟。“通过广泛部署深度学习和计算机视觉,像Tensilica Vision P6 DSP这样的处理器正在实现更多智能设备的承诺。”

关于Cadence

Cadence实现全球电子设计创新并发挥必不可少的作用在创建当今集成电路电子产品方面的作用。客户使用Cadence软件,硬件,IP和服务来设计和验证高级半导体消费电子产品,网络和电信设备以及计算机系统。该公司总部位于加利福尼亚州圣何塞的,在全球设有销售办事处,设计中心和研究机构,为全球电子行业提供服务。

本新闻稿包含一些基于我们当前预期的前瞻性陈述,涉及众多可能导致这些前瞻性陈述不准确的风险和不确定性。可能导致这些前瞻性陈述不准确的风险包括我们的美国证券交易委员会文件和报告中不时详述的风险,包括但不限于我们最近的季度报告。 10-Q表格和10-K表格的年度报告。我们不打算更新本新闻稿中包含的信息

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
  • Cadence
    +关注

    关注

    62

    文章

    881

    浏览量

    140786
  • PCB打样
    +关注

    关注

    17

    文章

    2965

    浏览量

    21380
  • 华强PCB
    +关注

    关注

    8

    文章

    1831

    浏览量

    27457
  • 华强pcb线路板打样

    关注

    5

    文章

    14629

    浏览量

    42573
收藏 人收藏

    评论

    相关推荐

    Cadence扩充Tensilica IP产品阵容,强化汽车传感器融合计算能力

    Cadence® Tensilica® Vision 331 DSPVision 341 DSP
    的头像 发表于 03-14 11:38 395次阅读

    Cadence 扩充 Tensilica Vision 产品线,新增毫米波雷达加速器及针对汽车应用优化的新款 DSP

    算需求。新推出的 Cadence® Tensilica® Vision 331 DSPVision 341
    发表于 03-06 14:47 891次阅读
    <b class='flag-5'>Cadence</b> 扩充 <b class='flag-5'>Tensilica</b> <b class='flag-5'>Vision</b> 产品线,新增毫米波雷达加速器及针对汽车应用优化的新款 <b class='flag-5'>DSP</b>

    Cadence推出全新HiFi和Vision DSP,为Tensilica IP产品阵容再添新成员,面向普适智能和边缘AI推理

    公司,NASDAQ:CDNS)近日宣布扩充其业界领先的 Tensilica  HiFi 和 Vision DSP 产品阵容,新增了基于近期推出的
    的头像 发表于 10-30 11:35 561次阅读

    《 AI加速器架构设计与实现》+第一章卷积神经网络观后感

    分成多个组别进行处理。在本章节中,对常见网络算子进行了说明(如图6),卷积神经网络的核心运算方式是卷积操作,池化操作和全连接操作。 图1 思维导图 图2 GCN模块分布图 图3 GCN模块之间的关系
    发表于 09-11 20:34

    人工神经网络和bp神经网络的区别

    人工神经网络和bp神经网络的区别  人工神经网络(Artificial Neural Network, ANN)是一种模仿人脑神经元网络结构和功能的计算模型,也被称为
    的头像 发表于 08-22 16:45 3422次阅读

    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测和分类。卷积
    发表于 08-21 17:07 2299次阅读

    卷积神经网络的介绍 什么是卷积神经网络算法

    卷积神经网络的介绍 什么是卷积神经网络算法 卷积神经网络涉及的关键技术 卷积神经网络(Convolutional Neural Network,CNN)是一种用于图像分类、物体识别、语
    的头像 发表于 08-21 16:49 1421次阅读

    卷积神经网络的基本原理 卷积神经网络发展 卷积神经网络三大特点

    卷积神经网络的基本原理 卷积神经网络发展历程 卷积神经网络三大特点  卷积神经网络的基本原理 卷积神经网络(Convolutional Ne
    的头像 发表于 08-21 16:49 1434次阅读

    卷积神经网络概述 卷积神经网络的特点 cnn卷积神经网络的优点

    卷积神经网络概述 卷积神经网络的特点 cnn卷积神经网络的优点  卷积神经网络(Convolutional neural network,CNN)是一种基于深度学习技术的
    的头像 发表于 08-21 16:41 1929次阅读

    卷积神经网络的应用 卷积神经网络通常用来处理什么

    卷积神经网络的应用 卷积神经网络通常用来处理什么 卷积神经网络(Convolutional Neural Network,简称CNN)是一种在神经网络领域内广泛应用的
    的头像 发表于 08-21 16:41 3971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)是一种基于深度学习的人工
    的头像 发表于 08-17 16:30 909次阅读

    用CMSIS-NN版本转换Arm Cortex-M的神经网络:r0p0指南

    意味着没有统一的方法将神经网络转换成所有这些框架的一系列应用, 用于在 Arm Cortex- M 上运行。 神经网络仍然使用浮动点数执行。 因为 CMSSIS- NNN 嵌入目标仍然以固定点计算为主
    发表于 08-11 07:06

    如何使用TensorFlow将神经网络模型部署到移动或嵌入式设备上

    有很多方法可以将经过训练的神经网络模型部署到移动或嵌入式设备上。不同的框架在各种平台上支持Arm,包括TensorFlow、PyTorch、Caffe2、MxNet和CNTK,如Android
    发表于 08-02 06:43

    什么是神经网络?为什么说神经网络很重要?神经网络如何工作?

    神经网络是一个具有相连节点层的计算模型,其分层结构与大脑中的神经元网络结构相似。神经网络可通过数据进行学习,因此,可训练其识别模式、对数据分类和预测未来事件。
    的头像 发表于 07-26 18:28 1935次阅读
    什么是<b class='flag-5'>神经网络</b>?为什么说<b class='flag-5'>神经网络</b>很重要?<b class='flag-5'>神经网络</b>如何工作?

    三个最流行神经网络

    在本文中,我们将了解深度神经网络的基础知识和三个最流行神经网络:多层神经网络(MLP),卷积神经网络(CNN)和递归神经网络(RNN)。
    发表于 05-15 14:19 1173次阅读
    三个最流行<b class='flag-5'>神经网络</b>