Firefly-RK3399/AIO-3399J Android8.1固件支持Android Neural Networks API (NNAPI) ，充分調(diào)用神經(jīng)網(wǎng)絡(luò)API進(jìn)行硬件加速，使RK3399的AI運(yùn)算性能大幅提升。適用基于主流模型架構(gòu)衍生開發(fā)的各類應(yīng)用，例如：商品識別、疲勞檢測等。
此SDK為基于 RK3399 Android8.1 的 AndroidNN GPU 加速方案，可以為采用 AndroidNN API開發(fā)的 AI 相關(guān)應(yīng)用提供通用加速支持。
更新SDK
由于平臺需要一定的依賴性，系統(tǒng)要求具有OpenCL以及AndroidNN驅(qū)動(dòng)。因此需要更新Firefly-RK3399/AIO-3399J Android8.1 SDK。
AndroidNN性能
下圖為Android平臺依賴下的AndroidNN性能參數(shù)
支持AndroidNN的兩種方式
在上述 Android 平臺依賴滿足的情況下,支持兩種使用 AndroidNN 的方式
-
1) 根據(jù) AndroidNN1.0 API 的規(guī)范編寫 AI 應(yīng)用。
-
2) 基于 Tensorflow Lite 開發(fā)應(yīng)用,Tensorflow Lite 自動(dòng)調(diào)用 Rockchip AndroidNN 加速接口。
目前提供的兩個(gè) Demo 均基于 Tensorflow Lite 的開發(fā),分別為:
TfLiteSSDDemo：基于 TensorflowLite 的目標(biāo)檢測 Demo,使用 MobileNet-SSD 模型
TfLiteCameraDemo：即 TensorflowLite 自帶的圖像分類 Demo,使用 MobileNet 模型。
TfLiteCameraDemo示例圖片
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報(bào)投訴
相關(guān)推薦
神經(jīng)網(wǎng)絡(luò)簡介
發(fā)表于 08-05 21:01
適用于Firefly-RK3288的板子* rockchip kernel 4.4 (VPU, GPU, DRM RGA and WIFI設(shè)備驅(qū)動(dòng))* rockchip debian stretch (xserver已加入GPU加速,帶
發(fā)表于 08-19 15:10
NNAPI神經(jīng)網(wǎng)絡(luò)硬件加速方案將支持基于RK3399平臺的Firefly主板，包括AIO-3399J、AIO-3399C主板。后續(xù)將更新相關(guān)主板的固件，敬請關(guān)注~~下載Firefly
發(fā)表于 07-31 17:42
項(xiàng)目名稱：基于PYNQ的卷積神經(jīng)網(wǎng)絡(luò)加速試用計(jì)劃：申請理由：本人研究生在讀，想要利用PYNQ深入探索卷積神經(jīng)網(wǎng)絡(luò)的硬件加速，在PYNQ上實(shí)現(xiàn)圖像的快速處理項(xiàng)目計(jì)劃：1、在PC端實(shí)現(xiàn)Ln
發(fā)表于 12-19 11:37
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會在意它呢? 對于這些非常中肯的問題，我們似乎可以給出相對簡明的答案。
發(fā)表于 07-17 07:21
今天學(xué)習(xí)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺不是很難，只不過一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競爭學(xué)習(xí)的一個(gè)代表，
發(fā)表于 07-21 04:30
算法的軟件實(shí)現(xiàn)方式非常低效，所以業(yè)界對GNN的硬件加速有著非常迫切的需求。我們知道傳統(tǒng)的CNN（卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)）硬件加速方案已經(jīng)有非常多的解決方案；但是，GNN的
發(fā)表于 07-07 08:00
多層感知機(jī) 深度神經(jīng)網(wǎng)絡(luò)in collaboration with Hsu Chung Chuan, Lin Min Htoo, and Quah Jia Yong. 與許忠傳，林敏濤和華佳勇合作
發(fā)表于 07-12 06:35
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測
發(fā)表于 07-12 08:02
1、加速神經(jīng)網(wǎng)絡(luò)的必備開源項(xiàng)目 到底純FPGA適不適合這種大型神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)？這個(gè)問題其實(shí)我們不適合回答，但是FPGA廠商是的實(shí)際操作是很有權(quán)威性的，現(xiàn)在不論是Intel還是Xilinx都沒有在
發(fā)表于 10-24 16:10
通過網(wǎng)絡(luò)訓(xùn)練來確定才能使模型工作。這將在后續(xù)文章“訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機(jī)器學(xué)習(xí)？—第 2 部分”中解釋。第 3 部分將解釋我們討論過的神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)（例如貓識別）。為此，我們將
發(fā)表于 02-23 20:11
神經(jīng)網(wǎng)絡(luò)加速器基本概念。
發(fā)表于 05-27 15:22
?13次下載
神經(jīng)網(wǎng)絡(luò)控制基礎(chǔ)知識簡介。
發(fā)表于 05-31 16:37
?9次下載
神經(jīng)網(wǎng)絡(luò)加速器是一種專門設(shè)計(jì)用于提高神經(jīng)網(wǎng)絡(luò)計(jì)算效率的硬件設(shè)備。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展和廣泛應(yīng)用，神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和計(jì)算量急劇增加，
![的頭像]()
發(fā)表于 07-11 10:40
?489次閱讀
神經(jīng)網(wǎng)絡(luò)專用硬件實(shí)現(xiàn)是人工智能領(lǐng)域的一個(gè)重要研究方向，旨在通過設(shè)計(jì)專門的硬件來加速神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和推理過程，提高計(jì)算效率和能效比。以下將詳細(xì)
![的頭像]()
發(fā)表于 07-15 10:47
?1141次閱讀
firefly神經(jīng)網(wǎng)絡(luò)硬件加速簡介
工商網(wǎng)監(jiān)
評論