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

面向汽车的PowerVR神经网络加速器(NNA)

Dbwd_Imgtec 来源:YXQ 2019-03-20 15:13 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

PowerVR汽车方案是一个完整的产品包,它包括五个基本元素:硬件IP、软件、开发工具、文档以及长期的技术支持。

专为汽车设计的全套IP解决方案

GPU和专用的AI加速器对于下一代汽车的成功至关重要,它们支撑着汽车娱乐功能、数字驾驶和高级驾驶辅助系统(ADAS)等功能,这些正成为汽车的标准配置。

十年——长期的跟踪验证

对于汽车SoC厂商来说,若能与在汽车领域有深刻认知和经验的供应商合作将会获得很大的好处。

我们在汽车解决方案领域拥有超过十年的领先地位,我们的IP已经授权给多家领先的汽车处理器供应商,在汽车领域PowerVR的市场份额超过了50%。

介绍PowerVR汽车解决方案

PowerVR汽车解决方案为这个竞争激烈的市场提供了颠覆性的方案,现有的车企以及新的参与者通过采用我们的技术都能够实现对于功能安全的严格要求。

PowerVR汽车解决方案是一个完整的产品包,包括五大基本元素:硬件IP、软件、工具、文档和长期的技术支持。这些能够让SoC设计人员满足系统级ISO 26262标准中定义的汽车安全完整性级别(ASIL)的要求,这将创建帮助该行业从信息功能过渡到安全关键功能的解决方案。

PowerVR汽车解决方案还包括专用的PowerVR硬件IP,它可以作为PowerVR质量管理图形和神经网络IP的一个可选包,扩展其在汽车解决方案中的应用范围。

PowerVR汽车方案套件是在Imagination公司成熟的质量管理流程下由专业且独立的安全团队构思、设计和测试完成的。

PowerVR汽车方案套件

支持全系列的汽车产品

流程

所有核心遵循QM(质量管理)过程和可追溯性

支持ISO 26262和ASIL SoC实现标准。

软件

对管理程序的扩展支持

支持汽车操作系统

支持安全功能设计的API

特性

汽车关键的性能要求

支持双GPU

文档

支持ASIL和其他认证的文档

汽车专用文档

硬件

硬件虚拟化,提高服务质量和安全性

ECC和BIST,提升可靠性和可恢复性

技术支持

长期技术支持

支持不同的软件版本

对OEM厂商的支持

PowerVR汽车套件涉及的开发软件

该套件为汽车行业提供了全方位的配套服务

PowerVR与行业领先的厂商合作,PowerVR汽车套件包括的开发软件能够对最新的汽车操作系统和管理应用提供全面的兼容支持,为标准的制定作出了很大的贡献,帮助完善API规则,尤其涉及安全功能的一些应用。

PowerVR Series8XT-A GPU

PowerVR Series8XT-A是专为汽车应用而开发的一款增强型GPU,支持ECC/EDC内存验证,确保SoC发生错误时的鲁棒性 (稳健性),而BIST检查电路确保任何操作不会发生任何静态错误。

这些安全和可靠的特性结合了成熟的Furian架构的高级性能,此外还优化了统一着色器内核和ALU管道,相当于是上一代的两倍,同时大大提升了填充率和GFLOPS性能指标,满足了汽车市场对于图形技术和GPU计算性能的要求。

面向汽车的PowerVR神经网络加速器(NNA)

神经网络是目前很多汽车应用的基础,比如驾驶员监控、驾驶员注意力检测、座位占用情况检查、道路标志检测、驾驶路径分析、行人检测以及驾驶员识别等。PowerVR Series2NX NNA的性能和可扩展性使其成为驱动最新的ADAS系统和满足Lv3到Lv5自动驾驶计算需求的理想解决方案。

这个全面的解决方案套件包括对领先的汽车操作系统(OS)和管理程序的全面支持,以及允许开发人员同时利用GPU和NNA功能的软件方法,除了业界十多年来久经考验的长期支持外,全球的汽车SoC设计人员相信PowerVR完全能够提供未来汽车所需的性能和安全特性。

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
  • powervr
    +关注

    关注

    0

    文章

    98

    浏览量

    31504
  • 神经网络加速器

    关注

    0

    文章

    13

    浏览量

    3746

原文标题:PowerVR汽车解决方案:面向未来汽车的创造者

文章出处:【微信号:Imgtec,微信公众号:Imagination Tech】欢迎添加关注!文章转载请注明出处。

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

    一些神经网络加速器的设计优化方案

    特征图保留不变,完成和所有相关卷积核点积以后再加载,最多复用 R*R*M 次。 3.不同网络模型的效果 如图所示,后者相对于前者,减少了连线资源和复杂度。 4.DNN加速器空间架构片上存储
    发表于 10-31 07:14

    CNN卷积神经网络设计原理及在MCU200T上仿真测试

    CNN算法简介 我们硬件加速器的模型为Lenet-5的变型,网络粗略分共有7层,细分共有13层。包括卷积,最大池化层,激活层,扁平层,全连接层。下面是各层作用介绍: 卷积层:提取特征。“不全
    发表于 10-29 07:49

    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 处理内核上的神经网络的性能并最​​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

    SNN加速器内部神经元数据连接方式

    的数量级,而且生物轴突的延迟和神经元的时间常数比数字电路的传播和转换延迟要大得多,AER 的工作方式和神经网络的特点相吻合,所以受生物启发的神经形态处理中的NoC或SNN
    发表于 10-24 07:34

    CICC2033神经网络部署相关操作

    在完成神经网络量化后,需要将神经网络部署到硬件加速器上。首先需要将所有权重数据以及输入数据导入到存储内。 在仿真环境下,可将其存于一个文件,并在 Verilog 代码中通过 read
    发表于 10-20 08:00

    液态神经网络(LNN):时间连续性与动态适应性的神经网络

    1.算法简介液态神经网络(LiquidNeuralNetworks,LNN)是一种新型的神经网络架构,其设计理念借鉴自生物神经系统,特别是秀丽隐杆线虫的神经结构,尽管这种微生物的
    的头像 发表于 09-28 10:03 704次阅读
    液态<b class='flag-5'>神经网络</b>(LNN):时间连续性与动态适应性的<b class='flag-5'>神经网络</b>

    神经网络的并行计算与加速技术

    问题。因此,并行计算与加速技术在神经网络研究和应用中变得至关重要,它们能够显著提升神经网络的性能和效率,满足实际应用中对快速响应和大规模数据处理的需求。神经网络并行
    的头像 发表于 09-17 13:31 886次阅读
    <b class='flag-5'>神经网络</b>的并行计算与<b class='flag-5'>加速</b>技术

    Andes晶心科技推出新一代深度学习加速器

    高效能、低功耗 32/64 位 RISC-V 处理核与 AI 加速解决方案的领导供货商—Andes晶心科技(Andes Technology)今日正式发表最新深度学习加速器 AndesAIRE AnDLA I370。此产品专为
    的头像 发表于 08-20 17:43 1841次阅读

    MAX78000采用超低功耗卷积神经网络加速度计的人工智能微控制技术手册

    的Maxim超低功耗微控制相结合。通过这款基于硬件的卷积神经网络(CNN)加速器,即使是电池供电的应用也可执行AI推理,同时功耗仅为微焦耳级。
    的头像 发表于 05-08 11:42 714次阅读
    MAX78000采用超低功耗卷积<b class='flag-5'>神经网络</b><b class='flag-5'>加速</b>度计的人工智能微控制<b class='flag-5'>器</b>技术手册

    MAX78002带有低功耗卷积神经网络加速器的人工智能微控制技术手册

    的Maxim超低功耗微控制相结合。通过这款基于硬件的卷积神经网络(CNN)加速器,即使是电池供电的应用也可执行AI推理,同时功耗仅为微焦耳级。
    的头像 发表于 05-08 10:16 600次阅读
    MAX78002带有低功耗卷积<b class='flag-5'>神经网络</b><b class='flag-5'>加速器</b>的人工智能微控制<b class='flag-5'>器</b>技术手册

    BP神经网络与卷积神经网络的比较

    多层。 每一层都由若干个神经元构成,神经元之间通过权重连接。信号在神经网络中是前向传播的,而误差是反向传播的。 卷积神经网络(CNN) : CNN主要由卷积层、池化层和全连接层组成。
    的头像 发表于 02-12 15:53 1307次阅读

    BP神经网络的优缺点分析

    BP神经网络(Back Propagation Neural Network)作为一种常用的机器学习模型,具有显著的优点,同时也存在一些不容忽视的缺点。以下是对BP神经网络优缺点的分析: 优点
    的头像 发表于 02-12 15:36 1585次阅读

    什么是BP神经网络的反向传播算法

    BP神经网络的反向传播算法(Backpropagation Algorithm)是一种用于训练神经网络的有效方法。以下是关于BP神经网络的反向传播算法的介绍: 一、基本概念 反向传播算法是BP
    的头像 发表于 02-12 15:18 1274次阅读

    BP神经网络与深度学习的关系

    BP神经网络与深度学习之间存在着密切的关系,以下是对它们之间关系的介绍: 一、BP神经网络的基本概念 BP神经网络,即反向传播神经网络(Backpropagation Neural N
    的头像 发表于 02-12 15:15 1340次阅读

    人工神经网络的原理和多种神经网络架构方法

    在上一篇文章中,我们介绍了传统机器学习的基础知识和多种算法。在本文中,我们会介绍人工神经网络的原理和多种神经网络架构方法,供各位老师选择。 01 人工神经网络   人工神经网络模型之所
    的头像 发表于 01-09 10:24 2246次阅读
    人工<b class='flag-5'>神经网络</b>的原理和多种<b class='flag-5'>神经网络</b>架构方法