搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評論與回復(fù)
      VIP于 到期 續(xù)費
      登錄后你可以
      • 下載海量資料
      • 學(xué)習(xí)在線課程
      • 觀看技術(shù)視頻
      • 寫文章/發(fā)帖/加入社區(qū)
      會員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動

      完善資料讓更多小伙伴認(rèn)識你，還能領(lǐng)取20積分哦，立即完善>

      3天內(nèi)不再提示

      兼容OpenVINO?及各類預(yù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型的高性能開發(fā)板

      研揚科技AAEON ? 2023-09-04 16:22 ? 次閱讀

      作為研揚UP Squared Pro系列的第三代產(chǎn)品，UP Squared Pro 7000通過高性能計算能力、升級的電路板設(shè)計和擴展的顯示接口，提供更大的開發(fā)潛力。

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

      作為該系列中首款采用Intel Core/Atom/N系列處理器（代號為 Alder Lake-N）的產(chǎn)品，UP Squared Pro 7000是首款配備板載LPDDR5內(nèi)存的產(chǎn)品，提高了I/O的運行速度。此外，UP Squared Pro 7000在圖像處理和顯示功能方面都有顯著提升，支持MIPI CSI照相機，并搭配Intel UHD顯卡，可同時連接三臺4K顯示器。

      功 能 特 點

      1.4倍以上CPU性能提升

      UP Squared Pro 7000

      UP Squared Pro 7000采用Intel Core/Atom/N-系列處理器，CPU性能是上一代的1.4倍。UP Squared Pro 7000擁有多達(dá)8個Gracemont內(nèi)核，支持Intel Distribution of OpenVINO Toolkit，以及第12代Intel處理器的UHD顯卡，擁有強大的計算能力、優(yōu)化的推理引擎和圖像處理功能，提供絕佳的智能解決方案。

      同步支持3臺4K顯示器

      UP Squared Pro 7000

      UP Squared Pro 7000配備HDMI 2.0b、DP 1.2端口和通過USB Type-C的DP 1.4a，擁有出色的顯示接口。UP Squared Pro 7000整合了GPU和多重輸出，可以同步支持三個4K顯示器，非常適合用于數(shù)字廣告牌等視覺導(dǎo)向型的相關(guān)應(yīng)用。

      雙倍的高速系統(tǒng)內(nèi)存

      UP Squared Pro 7000

      作為UP Squared Pro系列中第一塊配備板載LPDDR5系統(tǒng)內(nèi)存的板卡，UP Squared Pro 7000搭載了16GB的系統(tǒng)內(nèi)存，是上一代的兩倍。此外，快達(dá)4800MHz的內(nèi)存速度讓用戶的帶寬和數(shù)據(jù)傳輸速度加倍，同時也更加省電。

      全面的I/O升級

      UP Squared Pro 7000

      除了維持UP Squared Pro系列4" x 4"的緊湊外形之外，UP Squared Pro 7000在電路板設(shè)計上更為精實。UP Squared Pro 7000配備了兩個2.5GbE、三個 USB 3.2和一個 FPC 端口，可外接更多像是MIPI CSI 相機的外圍設(shè)備。將這些特色與板載LPDDR5及性能強大的CPU相結(jié)合，非常適合用于智慧工廠機器人方面的視覺解決方案。

      產(chǎn) 品 簡 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處理器N系列 和Intel Core i3-N305處理器(代號為Alder Lake N)

      板載LPDDR5內(nèi)存，最大支持16GB

      板載eMMC內(nèi)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針GPIO x 1

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

      RS232 / 422 / 485 wafer連接器 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直流輸入，6A

      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(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。 舉報投訴
      • 電路板
        +關(guān)注

        關(guān)注

        140

        文章

        4980

        瀏覽量

        98381
      • 神經(jīng)網(wǎng)絡(luò)

        關(guān)注

        42

        文章

        4776

        瀏覽量

        100952
      • 網(wǎng)絡(luò)
        +關(guān)注

        關(guān)注

        14

        文章

        7586

        瀏覽量

        89011
      • 模型
        +關(guān)注

        關(guān)注

        1

        文章

        3279

        瀏覽量

        48972
      收藏 人收藏

        評論

        相關(guān)推薦

        【飛凌嵌入式OK3576-C開發(fā)板體驗】RKNN神經(jīng)網(wǎng)絡(luò)算法開發(fā)環(huán)境搭建

        download_model.sh 腳本，該腳本 將下載一個可用的 YOLOv5 ONNX 模型，并存放在當(dāng)前 model 目錄下，參考命令如下： 安裝COCO數(shù)據(jù)集，在深度神經(jīng)網(wǎng)絡(luò)算法中，
        發(fā)表于 10-10 09:28

        FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用

        隨著人工智能技術(shù)的飛速發(fā)展，深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network, DNN）作為其核心算法之一，在圖像識別、語音識別、自然語言處理等領(lǐng)域取得了顯著成果。然而，傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)
        的頭像 發(fā)表于 07-24 10:42 ?746次閱讀

        如何使用經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型

        使用經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型是一個涉及多個步驟的過程，包括數(shù)據(jù)準(zhǔn)備、模型加載、預(yù)測執(zhí)行以及后續(xù)優(yōu)化等。
        的頭像 發(fā)表于 07-12 11:43 ?1074次閱讀

        殘差網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)嗎

        殘差網(wǎng)絡(luò)（Residual Network，通常簡稱為ResNet） 是深度神經(jīng)網(wǎng)絡(luò)的一種 ，其獨特的結(jié)構(gòu)設(shè)計在解決深層網(wǎng)絡(luò)訓(xùn)練中的梯度消失
        的頭像 發(fā)表于 07-11 18:13 ?1142次閱讀

        怎么對神經(jīng)網(wǎng)絡(luò)重新訓(xùn)練

        重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)是一個復(fù)雜的過程，涉及到多個步驟和考慮因素。 引言 神經(jīng)網(wǎng)絡(luò)是一種強大的機器學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、自然語言處理、語音識別等領(lǐng)域。然而，隨著時間的推移，數(shù)據(jù)分布可
        的頭像 發(fā)表于 07-11 10:25 ?488次閱讀

        pytorch中有神經(jīng)網(wǎng)絡(luò)模型嗎

        處理、語音識別等領(lǐng)域取得了顯著的成果。PyTorch是一個開源的深度學(xué)習(xí)框架，由Facebook的AI研究團隊開發(fā)。它以其易用性、靈活性和高效性而受到廣泛歡迎。在PyTorch中，有許多預(yù)訓(xùn)練
        的頭像 發(fā)表于 07-11 09:59 ?733次閱讀

        PyTorch神經(jīng)網(wǎng)絡(luò)模型構(gòu)建過程

        PyTorch，作為一個廣泛使用的開源深度學(xué)習(xí)庫，提供了豐富的工具和模塊，幫助開發(fā)者構(gòu)建、訓(xùn)練和部署神經(jīng)網(wǎng)絡(luò)模型。在
        的頭像 發(fā)表于 07-10 14:57 ?530次閱讀

        人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的基本原理

        人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡稱ANNs）是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)而構(gòu)建的數(shù)學(xué)模型，用于模擬人腦處理信息的方式。它在機器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域具有廣
        的頭像 發(fā)表于 07-05 09:16 ?745次閱讀

        深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

        在探討深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）與基本神經(jīng)網(wǎng)絡(luò)（通常指傳統(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò)）的區(qū)別時，我們需
        的頭像 發(fā)表于 07-04 13:20 ?999次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的是什么

        、訓(xùn)練過程以及應(yīng)用場景。 1. 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 1.1 卷積神經(jīng)網(wǎng)絡(luò)的定義 卷積神經(jīng)網(wǎng)絡(luò)是一種前饋深度學(xué)習(xí)
        的頭像 發(fā)表于 07-03 09:15 ?457次閱讀

        深度神經(jīng)網(wǎng)絡(luò)模型cnn的基本概念、結(jié)構(gòu)及原理

        ，其核心是構(gòu)建具有多層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型，以實現(xiàn)對復(fù)雜數(shù)據(jù)的高效表示和處理。在眾多深度學(xué)習(xí)模型中，卷積神經(jīng)網(wǎng)絡(luò)（CNN）因其在圖像識別等領(lǐng)域
        的頭像 發(fā)表于 07-02 10:11 ?9843次閱讀

        深度神經(jīng)網(wǎng)絡(luò)模型有哪些

        模型： 多層感知器（Multilayer Perceptron，MLP）： 多層感知器是最基本的深度神經(jīng)網(wǎng)絡(luò)模型，由多個全連接層組成。每個隱藏層的神
        的頭像 發(fā)表于 07-02 10:00 ?1562次閱讀

        利用深度循環(huán)神經(jīng)網(wǎng)絡(luò)對心電圖降噪

        進(jìn)行訓(xùn)練。我們還研究了使用合成數(shù)據(jù) 集如何影響網(wǎng)絡(luò)性能。 我們建議使用深度循環(huán)去噪神經(jīng)網(wǎng)絡(luò)（DRDNN） 對心電圖信號進(jìn)行去噪。它們是一種
        發(fā)表于 05-15 14:42

        助聽器降噪神經(jīng)網(wǎng)絡(luò)模型

        抑制任務(wù)是語音增強領(lǐng)域的一個重要學(xué)科, 隨著深度神經(jīng)網(wǎng)絡(luò)的興起，提出了幾種基于深度模型的音頻處理新方法[1,2,3,4]。然而，這些通常是為離線處理而
        發(fā)表于 05-11 17:15

        利用神經(jīng)網(wǎng)絡(luò)對腦電圖(EEG)降噪

        數(shù)據(jù)與干凈的EEG數(shù)據(jù)構(gòu)成訓(xùn)練數(shù)據(jù)，并且分成訓(xùn)練、驗證和測試數(shù)據(jù)集。 繪制有噪聲EEG數(shù)據(jù)與干凈的EEG數(shù)據(jù) 顯然，傳統(tǒng)的任何算法很難將EEG數(shù)據(jù)從噪聲中濾出來。 定義神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，之所以選擇長短期記憶
        發(fā)表于 04-30 20:40