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

32Tops算力!BM1684行业主机系列

Firefly开源团队 2023-03-15 11:22 次阅读

采用BM1684/BM1684X,INT8算力高达32TOPS;支持主流编程框架,工具链完备易用度高,算法迁移代价小;适用于视觉计算、边缘计算、通用算力服务、智慧交通、智慧课堂、无人超市、监控安防等多种AI计算场景

f7db85ba-c2d5-11ed-ad0d-dac502259ad0.jpg

全新一代八核AI处理器

搭载高算力处理器BM1684/BM1684X,拥有八核ARM Cortex-A53,最高主频2.3GHz,采用12nm工艺制程;最高拥有高达32Tops(INT8)算力支持主流编程框架,可广泛应用于云端及边缘应用的人工智能推理

(BM1684X算力参数

强大的多路视频AI处理能力

最高支持32路1080P H.264/H.265的视频解码,可同时处理分析超过16路高清视频,满足视频流人脸检测、车牌识别等各类AI应用场景的需求

高吞吐量,高能效比

基于INT8量化Batch4实测数据,相对于业界主流智算模组平台,拥有更高的吞吐量和能效比,在性能上更具有优势

f7fd9a74-c2d5-11ed-ad0d-dac502259ad0.jpg

强大的网络扩展能力

支持双1000Mbps以太网、2.4GHz/5GHz 双频WiFi 、可扩展 5G/4G LTE网络,让网络通讯拥有更高的速率

一站式工具包,易用便捷

SOPHON SDK一站式深度学习开发工具包,支持主流框架 Caffe/TF/PyTorch/Mxnet/Paddle, 支持主流网络模型与自定义算子开发,支持Docker容器化,算法应用可快速进行部署

f8169420-c2d5-11ed-ad0d-dac502259ad0.jpg

硬件配套完善

配套完善的软硬件,可轻松实现云端及边缘应用的人工智能推理,加速人脸布控、视频结构化、异常报警、设备巡检、态势预测等边缘应用落地

丰富的扩展接口

拥有HDMI、M.2(SATA)、USB3.0、USB2.0、RS485RS232等丰富接口,可直接应用到AI边缘计算产品

f8670b62-c2d5-11ed-ad0d-dac502259ad0.jpg

无风扇设计,高效散热

配置工业级全金属外壳,铝合金结构导热,高效散热,无风扇设计,零噪音。运行稳定,满足各种工业级的应用需求

广泛的应用场景

高效适配市场上所有AI算法,可集成于边缘计算盒等产品中,为视觉计算、边缘计算、通用算力服务、人工智能、智慧工地、智慧交通、智慧课堂、无人超市、监控安防等行业进行AI赋能

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
  • 处理器
    +关注

    关注

    68

    文章

    18304

    浏览量

    222335
  • 主机
    +关注

    关注

    0

    文章

    898

    浏览量

    34613
收藏 人收藏

    评论

    相关推荐

    256Tops算力!CSA1-N8S1684X算力服务器

    ,128GBeMMC的大容量存储8个计算模块,灵活配置服务器最高可配置8个BM1684计算模块,用户可任意定制计算模块的数量和存储配置,灵活应用于各种场景中256TOPS
    的头像 发表于 03-23 08:02 240次阅读
    256<b class='flag-5'>Tops</b>算力!CSA1-N8S<b class='flag-5'>1684</b>X算力服务器

    能RADXA微服务器试用体验】Radxa Fogwise 1684X Mini 规格

    通过网络可以了解到,能RADXA微服务器的具体规格: 处理器:BM1684X :高达32Tops INT8峰值
    发表于 02-28 11:21

    大茉莉X16-P,5800M大称王称霸

    Rykj365
    发布于 :2024年01月25日 14:54:52

    BM1684架构介绍

    L2cache 2.2 峰值 峰值: FP32峰值 = 64 * 16 *
    发表于 09-19 08:11

    是否可以通过抽帧来提高BM1684的解码路数?

    是否可以通过抽帧来提高BM1684的解码路数
    发表于 09-19 07:50

    BM1684中各种内存的概念

    (SC5/SM5) Host Memory是主机的内存 Device Memory是PCIe板卡的设备内存 CModel模式:BMNNSDK中提供的BM1684软件模拟器环境,可在没有TPU硬件的情况下,验证模型转换编译
    发表于 09-19 07:47

    BM1684芯片的编解码性能数据是怎样的?

    BM1684有4个VPU硬核和4个JPU硬核,具体视频和图片的编解码的速度与实际情况有关,要以实测为准。 视频解码的速度与输入视频码流的格式有很大关系,不同复杂度的码流的解码速度有比较大的波动,比如
    发表于 09-19 07:18

    BMNNSDK的安装和使用

    bmnnsdk_ubuntu_docker.tar.gz3.(宿主机)打开终端,解压sdk的压缩包: tar zxf bmnnsdk2-bm1684_vX.X.X.tar.gz4.(宿主机)如果是SC5 PCIe加速卡,需要
    发表于 09-19 06:48

    BM1684解码性能对于H264/H265有差别吗?

    BM1684解码性能对于H264/H265有差别吗?如果调整码率的话,最多可以解多少路呢?有没有对应的数据参考?
    发表于 09-19 06:34

    BM1684编解码性能是同时支持32路解码和2路编码吗?内存大小和内存带宽会不会成为瓶颈?

    BM1684编解码性能是同时支持32路解码和2路编码吗?内存大小和内存带宽会不会成为瓶颈?
    发表于 09-19 06:33

    yolov5s_v6.1_3output.torchscript.pt模型auto_cali一键量化工具执行报错的原因?

    --include torchscript 得到 yolov5s_v6.1_3output.torchscript.pt文件 执行 ./gen_int8bmodel_nntc.sh BM1684 报错,参见
    发表于 09-18 08:01

    在Docker镜像中去将yolov5-6.1版本模型转换生成FP32 BModel时报错如何解决?

    , 3, 640, 640]], target=\'BM1684\', v=3) python3 -m bmnetp --model=/root/build
    发表于 09-18 06:02

    yolov5模型onnx转bmodel无法识别出结果如何解决?

    推理硬件:质盒SE5,芯片BM1684。 2. SDK: v2.7.0 代码: 1. 模型来源yolov5官方:https://github.com/ultralytics/yolov5 2.
    发表于 09-15 07:30

    基于算能第四代AI处理器BM1684X的边缘计算盒子

    英码IVP03X智能工作站搭载算能全新一代AI处理器BM1684X,八核ARM Cortex-A53,主频2.3GHz;INT8算力高达32Tops,FP16算力达16 TFLOPS,FP32算力 2 TFLOPS,边缘端少有的大算力。
    发表于 08-10 09:46 759次阅读
    基于算能第四代AI处理器<b class='flag-5'>BM1684</b>X的边缘计算盒子

    32Tops!高算力主板AIO-1684XQ

    采用SOPHON算能AI处理器BM1684X,可配置16GB大内存;INT8算力高达32TOPS,支持主流编程框架,开放SDK,提供一站式AI开发包,工具链完备易用度高。适用于智能安防、智慧交通
    的头像 发表于 07-01 10:00 686次阅读
    <b class='flag-5'>32Tops</b>!高算力主板AIO-<b class='flag-5'>1684</b>XQ