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
会员中心
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

兼容OpenVINO™及各类预训练深度神经网络模型的高性能开发板

研扬科技AAEON 2023-09-04 16:22 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

作为研扬UP Squared Pro系列的第三代产品,UP Squared Pro 7000通过高性能计算能力、升级的电路板设计和扩展的显示接口,提供更大的开发潜力。

060beb3a-4afc-11ee-a20b-92fbcf53809c.jpg

作为该系列中首款采用Intel Core/Atom/N系列处理器(代号为 Alder Lake-N)的产品,UP Squared Pro 7000是首款配备板载LPDDR5内存的产品,提高了I/O的运行速度。此外,UP Squared Pro 7000在图像处理和显示功能方面都有显著提升,支持MIPI CSI照相机,并搭配Intel UHD显卡,可同时连接三台4K显示器。

功 能 特 点

1.4倍以上CPU性能提升

UP Squared Pro 7000

UP Squared Pro 7000采用Intel Core/Atom/N-系列处理器,CPU性能是上一代的1.4倍。UP Squared Pro 7000拥有多达8个Gracemont内核,支持Intel Distribution of OpenVINO Toolkit,以及第12代Intel处理器的UHD显卡,拥有强大的计算能力、优化的推理引擎和图像处理功能,提供绝佳的智能解决方案。

同步支持3台4K显示器

UP Squared Pro 7000

UP Squared Pro 7000配备HDMI 2.0b、DP 1.2端口和通过USB Type-C的DP 1.4a,拥有出色的显示接口。UP Squared Pro 7000整合了GPU和多重输出,可以同步支持三个4K显示器,非常适合用于数字广告牌等视觉导向型的相关应用。

双倍的高速系统内存

UP Squared Pro 7000

作为UP Squared Pro系列中第一块配备板载LPDDR5系统内存的板卡,UP Squared Pro 7000搭载了16GB的系统内存,是上一代的两倍。此外,快达4800MHz的内存速度让用户的带宽和数据传输速度加倍,同时也更加省电。

全面的I/O升级

UP Squared Pro 7000

除了维持UP Squared Pro系列4" x 4"的紧凑外形之外,UP Squared Pro 7000在电路板设计上更为精实。UP Squared Pro 7000配备了两个2.5GbE、三个 USB 3.2和一个 FPC 端口,可外接更多像是MIPI CSI 相机的外围设备。将这些特色与板载LPDDR5及性能强大的CPU相结合,非常适合用于智慧工厂机器人方面的视觉解决方案。

产 品 简 介

07917e5c-4afc-11ee-a20b-92fbcf53809c.jpg07a959aa-4afc-11ee-a20b-92fbcf53809c.jpg07c9e1ca-4afc-11ee-a20b-92fbcf53809c.jpg07d901c8-4afc-11ee-a20b-92fbcf53809c.jpg07f2c82e-4afc-11ee-a20b-92fbcf53809c.jpg

Intel Atom x7000E系列,Intel处理器N系列 和Intel Core i3-N305处理器(代号为Alder Lake N)

板载LPDDR5内存,最大支持16GB

板载eMMC内存,最大支持64GB

2.5GbE x 2 (Inteli226-IT)

USB 3.2 x 3 (Type A x 2, Type C x 1)

40针GPIO x 1

DP 1.2 x 1 / DP 1.4a x 1 / HDMI 2.0b

RS232 / 422 / 485 wafer连接器 x 2

M.2 2230 E-Key / M.2 2280 M-Key / M.2 3052 B-Key x 1

SATA3 x 1

TPM 2.0

12V直流输入,6A

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
  • 电路板
    +关注

    关注

    140

    文章

    5344

    浏览量

    109000
  • 神经网络
    +关注

    关注

    42

    文章

    4842

    浏览量

    108170
  • 网络
    +关注

    关注

    14

    文章

    8336

    浏览量

    95561
  • 模型
    +关注

    关注

    1

    文章

    3818

    浏览量

    52266
收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    人工智能多模态与视觉大模型开发实战 - 2026必会

    模型通常采用深度神经网络,尤其是卷积神经网络(CNN)及其变体。CNN 具有强大的特征提取能力,能够自动从图像中学习到不同层次的特征,从简单的边缘、纹理到复杂的物体形状和语义信息。通
    发表于 04-15 16:06

    【瑞萨AI挑战赛】手写数字识别模型在RA8P1 Titan Board上的部署

    高性能嵌入式AI开发板,其硬件配置完美适配轻量级神经网络的端侧部署需求,核心硬件资源如下: 主控MCU:R7KA8P1KFLCAC,搭载1GHz Arm® Cortex®-M85与250MHz Arm
    发表于 03-15 20:42

    面向嵌入式部署的神经网络优化:模型压缩深度解析

    1.为什么需要神经网络模型压缩? 神经网络已经成为解决复杂机器学习问题的强大工具。然而,这种能力往往伴随着模型规模和计算复杂度的增加。当输入维度较大(例如长时序窗口、高分辨率特征空间)
    的头像 发表于 02-24 15:37 5450次阅读
    面向嵌入式部署的<b class='flag-5'>神经网络</b>优化:<b class='flag-5'>模型</b>压缩<b class='flag-5'>深度</b>解析

    神经网络的初步认识

    日常生活中的智能应用都离不开深度学习,而深度学习则依赖于神经网络的实现。什么是神经网络神经网络的核心思想是模仿生物
    的头像 发表于 12-17 15:05 460次阅读
    <b class='flag-5'>神经网络</b>的初步认识

    NMSIS神经网络库使用介绍

    NMSIS NN 软件库是一组高效的神经网络内核,旨在最大限度地提高 Nuclei N 处理器内核上的神经网络性能并最​​大限度地减少其内存占用。 该库分为多个功能,每个功能涵盖特定类别
    发表于 10-29 06:08

    构建CNN网络模型并优化的一般化建议

    :Dropout层随机跳过神经网络模型中某些神经元之间的连接,通过随机制造缺陷进行训练提升整个神经网络的鲁棒性。 6)指定合理的学习率策
    发表于 10-28 08:02

    如何将训练好的神经网络模型部署到蜂鸟e203开发板

    本帖欲分享如何将训练好的神经网络模型部署到蜂鸟e203开发板上。 1. 加载TFLite模型 std::unique_ptr interp
    发表于 10-22 08:04

    在Ubuntu20.04系统中训练神经网络模型的一些经验

    本帖欲分享在Ubuntu20.04系统中训练神经网络模型的一些经验。我们采用jupyter notebook作为开发IDE,以TensorFlow2为
    发表于 10-22 07:03

    神经网络的并行计算与加速技术

    随着人工智能技术的飞速发展,神经网络在众多领域展现出了巨大的潜力和广泛的应用前景。然而,神经网络模型的复杂度和规模也在不断增加,这使得传统的串行计算方式面临着巨大的挑战,如计算速度慢、训练
    的头像 发表于 09-17 13:31 1294次阅读
    <b class='flag-5'>神经网络</b>的并行计算与加速技术

    如何在机器视觉中部署深度学习神经网络

    图 1:基于深度学习的目标检测可定位已训练的目标类别,并通过矩形框(边界框)对其进行标识。 在讨论人工智能(AI)或深度学习时,经常会出现“神经网络”、“黑箱”、“标注”等术语。这些概
    的头像 发表于 09-10 17:38 1049次阅读
    如何在机器视觉中部署<b class='flag-5'>深度</b>学习<b class='flag-5'>神经网络</b>

    基于神经网络的数字失真模型解决方案

    在基于神经网络的数字失真(DPD)模型中,使用不同的激活函数对整个系统性能和能效有何影响?
    的头像 发表于 08-29 14:01 3666次阅读

    【嘉楠堪智K230开发板试用体验】01 Studio K230开发板Test2——手掌,手势检测,字符检测

    K210 的 13.7 倍以上,同时保持高计算效率(利用率超过 70%)。这意味着它能处理更复杂模型或更多并发任务。 KPU 是 CanMV K230 的专用视觉处理引擎,赋予开发板强大的实时图像识别
    发表于 07-10 09:45

    无刷电机小波神经网络转子位置检测方法的研究

    摘要:论文通过对无刷电机数学模型的推导,得出转角:与三相相电压之间存在映射关系,因此构建了一个以三相相电压为输人,转角为输出的小波神经网络来实现转角预测,并采用改进遗传算法来训练网络
    发表于 06-25 13:06

    神经网络RAS在异步电机转速估计中的仿真研究

    众多方法中,由于其结构简单,稳定性好广泛受到人们的重视,且已被用于产品开发。但是MRAS仍存在在低速区速度估计精度下降和对电动机参数变化非常敏感的问题。本文利用神经网络的特点,使估计更为简单、快速
    发表于 06-16 21:54

    基于FPGA搭建神经网络的步骤解析

    本文的目的是在一个神经网络已经通过python或者MATLAB训练好的神经网络模型,将训练好的模型
    的头像 发表于 06-03 15:51 1503次阅读
    基于FPGA搭建<b class='flag-5'>神经网络</b>的步骤解析