目前,几乎所有执行计算机视觉、语音识别和信号处理任务的智能设备都使用了神经网络 (NN)。对于上述应用,神经网络的效率和准确性已提高到研究人员认为它们比常规算法更准确的程度。但是,目前市面上可用的硬件设备只有少数可用于实施和部署此类尖端神经网络解决方案,以实现高速实时分析。

本产品解决方案指南演示了安富利 Ultra96-V2 上使用 Xilinx PYNQ 叠加的二进制神经网络 (BNN) 和量化神经网络 (ANN)。用户将使用神经网络实现图像识别应用,例如 Road Traffic Sign Detection(道路交通标志检测)和 ImageNet Animal Identification(ImageNet 动物识别)。此项目阐述了如何在嵌入式处理 AIoT 尖端应用程序中实现基于硬件的高性能加速模型,而不是在具有自身局限性的软件中去实施。

您将学到:

  • 异构所有可编程神经网络设备
  • 了解 PYNQ 和 PYNQ 叠加
  • 探索开始使用 PYNQ 和 Ultra96-V2 的最佳途径
  • 神经网络与架构
  • 实施神经网络的挑战
  • 设置 Ultra96-V2 硬件以启动和使用 PYNQ Framework
  • 在 Ultra96 上运行的 Python Jupyter Notebook
  • 设计实例 I - 道路交通标志检测
  • 设计实例 II – 动物

所需的硬件

安富利 Ultra96-V2 开发板套件
加入购物篮
USB 电缆
加入购物篮

下载解决方案指南

*必填

如需详细了解我们使用您的信息的方式,请参阅 数据保护及隐私政策