簡介
模塊類型
Firefly神經(jīng)網(wǎng)絡計算卡是Firefly推出的,配合Firefly開發(fā)板使用的NPU(Neural Processing Unit)模塊。模塊搭載GTI(全稱Gyrfalcon Technology Inc.)公司推出的光矛2801S芯片。 2801s峰值運算能力高達2.8Tops,消耗1瓦特可以實現(xiàn)9.3兆次運算。
Firefly神經(jīng)網(wǎng)絡計算卡有三種類型:NCC S1模塊、USB Dongle模塊和內(nèi)嵌模塊。
1. NCC S1模塊
-
NCC S1模塊接口為eMMC,可搭配ROC-RK3399-PC進行使用。
-
其體積小,適合使用在產(chǎn)品中。
-
2. USB Dongle模塊
-
USB Dongle模塊接口為USB,可通用到各個Firefly開發(fā)板中。
-
用于模型訓練的推理和轉(zhuǎn)換模型。
-
3. 內(nèi)置模塊開發(fā)板
-
接口為USB 3.0
-
模塊內(nèi)置開發(fā)板
-
開發(fā)流程與USB Dongle模塊相同
支持系統(tǒng)
-
Ubuntu 16.04
-
Android (USB Dongle 與 AIO-3399C AI版)
支持開發(fā)板
NCC S1支持開發(fā)板
ROC-RK3399-PC(推薦)
ROC-RK3328-CC
USB Dongle支持開發(fā)板
USB Dongle模塊支持全部Firefly開發(fā)板,需要驅(qū)動模塊sg.ko(SCSI generic模塊),請確認內(nèi)核支持或自行編譯對應內(nèi)核驅(qū)動。
內(nèi)置模塊開發(fā)板
AIO-3399C AI版
支持網(wǎng)絡模型
圖片分類
-
GNet1 (VGG-16)
-
GNet18
-
GNetfc
目標檢測
-
Single Shot MultiBox Detector(SSD)
開發(fā)工具
-
SDK
-
程序開發(fā)工具,支持Android和Linux系統(tǒng)
-
v4.x之后模型文件為單一文件,主要Demo在SDK的Apps/Demo目錄下
-
PLAI
-
模型開發(fā)和轉(zhuǎn)換工具,基于PyTorch,支持GNet1、GNet18和GNetfc
-
MDK
-
模型開發(fā)和轉(zhuǎn)換工具
-
基于Caffe 1,支持SSD、GNet1和GNet18,wiki只介紹支持SSD的MDK
-
基于TensorFlow,支持GNet1
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習之用,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。
舉報投訴
相關(guān)推薦
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡基本模型 2.
發(fā)表于 03-20 11:32
神經(jīng)網(wǎng)絡基本介紹
發(fā)表于 01-04 13:41
學習和認知科學領(lǐng)域,是一種模仿生物神經(jīng)網(wǎng)絡(動物的中樞神經(jīng)系統(tǒng),特別是大腦)的結(jié)構(gòu)和功能的數(shù)學模型或計算模型,用于對函數(shù)進行估計或近似。神經(jīng)網(wǎng)絡由大量的人工
發(fā)表于 03-03 22:10
傳播的,不會回流),區(qū)別于循環(huán)神經(jīng)網(wǎng)絡RNN。BP算法(Back Propagation):誤差反向傳播算法,用于更新網(wǎng)絡中的權(quán)重。BP神經(jīng)網(wǎng)絡思想:表面上:1. 數(shù)據(jù)信息的前向傳播,
發(fā)表于 07-21 04:00
今天學習了兩個神經(jīng)網(wǎng)絡,分別是自適應諧振(ART)神經(jīng)網(wǎng)絡與自組織映射(SOM)神經(jīng)網(wǎng)絡。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)絡是競爭學習的一個代表,
發(fā)表于 07-21 04:30
原文鏈接:http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預測的計算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡?神經(jīng)網(wǎng)絡包括: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
發(fā)表于 07-12 08:02
視覺任務中,并取得了巨大成功。然而,由于存儲空間和功耗的限制,神經(jīng)網(wǎng)絡模型在嵌入式設備上的存儲與計算仍然是一個巨大的挑戰(zhàn)。前面幾篇介紹了如何在嵌入式AI芯片上部署神經(jīng)網(wǎng)絡:【嵌入式AI
發(fā)表于 12-14 07:35
將神經(jīng)網(wǎng)絡移植到STM32最近在做的一個項目需要用到網(wǎng)絡進行擬合,并且將擬合得到的結(jié)果用作控制,就在想能不能直接在單片機上做神經(jīng)網(wǎng)絡計算,這樣就可以實時
發(fā)表于 01-11 06:20
分析了目前的特殊模型結(jié)構(gòu),最后總結(jié)并討論了卷積神經(jīng)網(wǎng)絡在相關(guān)領(lǐng)域的應用,并對未來的研究方向進行展望。卷積神經(jīng)網(wǎng)絡(convolutional neural network,CNN) 在計算機視覺[
發(fā)表于 08-02 10:39
神經(jīng)網(wǎng)絡基本介紹,人工神經(jīng)網(wǎng)絡(簡稱神經(jīng)網(wǎng)絡,Neural Network)是模擬人腦思維方式的數(shù)學模型。
神經(jīng)網(wǎng)絡是在現(xiàn)代生物
發(fā)表于 12-06 15:07
?0次下載
基于AI專用的APiM架構(gòu),無需外部緩存的模塊化深度神經(jīng)網(wǎng)絡學習加速器,用于高性能邊緣計算領(lǐng)域,可作為基于視覺的深度學習運算和AI算法加速。外形小巧,極低功耗,擁有著強勁算力,配套完整易用的模型訓練工具、網(wǎng)絡訓練模型實例,搭配專
發(fā)表于 11-11 11:04
?1341次閱讀
如果使用的神經(jīng)網(wǎng)絡計算卡是eMMC接口的,請下載并燒寫專用固件,或編譯并使用AI資料U盤中的內(nèi)核。
發(fā)表于 11-18 11:36
?1539次閱讀
PLAI是一個基于PyTorch的神經(jīng)網(wǎng)絡量化工具 - 用于將浮點神經(jīng)網(wǎng)絡轉(zhuǎn)換為定點 神經(jīng)網(wǎng)絡實現(xiàn)(給GTI 2801s使用), 或從頭開始訓練定點模型。 PLAI使用主機的CPU和G
發(fā)表于 11-18 14:13
?1409次閱讀
在介紹卷積神經(jīng)網(wǎng)絡之前,我們先回顧一下神經(jīng)網(wǎng)絡的基本知識。就目前而言,神經(jīng)網(wǎng)絡是深度學習算法的核心,我們所熟知的很多深度學習算法的背后其實都是神經(jīng)網(wǎng)
發(fā)表于 02-23 09:14
?3617次閱讀
介紹如何積極神經(jīng)網(wǎng)絡計算公式,以及如何使用這些公式來搭建深度神經(jīng)網(wǎng)絡。 1. 基礎(chǔ)計算公式 在
發(fā)表于 08-21 16:49
?1784次閱讀
評論