智能嵌入式视觉
什么是新的！
CoreVectorBlox神经网络IP和VectorBlox加速器软件开发工具包
建立在Microchip的获奖是世界上最低功耗和最小尺寸的AI / ml施用PolarFire的FPGA使用CoreVectorBlox神经网络IP和VectorBlox加速器软件开发工具包（SDK）。该CoreVectorBlox IP是一个灵活的神经网络加速器。它采用叠加的方法，其中一个实例可以在不需要进行人工合成运行不同的网络。该VectorBlox加速器SDK包含编译受训于TensorFlow和ONNX成二进制大对象（BLOB）神经网络描述不同的工具。团块装入由神经网络加速器访问的存储器位置。加速器然后读取BLOB并从存储器中的网络输入，处理网络，并将结果放入到存储器的输出缓冲器。因为它的覆盖设计的，它可以在多个网络之间动态切换。覆盖有矢量处理器，它可以处理一般矢量层并且进一步加速卷积神经网络卷积加速器。
- 包括所需的所有工具来预先训练FP32网络转换为INT8表示
- 包括一个稍微准确的模拟器，以评估转换后的网络在主机环境
- 启用C/ c++ via内嵌编程的SoftConsole
- 执行TensorFlow和ONNX模型
- 包括预训练的神经网络和预编译的图像，它配置PolarFire视频套件变成了一个智能摄像头
参考设计包括在VectorBlox加速器软件开发工具包
该SDK附带的说明建立智能AI相机平台上不同的细胞神经网络进行评估。的PolarFire视频套件作为硬件平台。与SDK，它实现了一个基本的摄像机硬件流提供了一种预编译的嵌入式设计沿。推论是在由所附的摄像机捕获的视频流和运行的结果被显示出HDMI监视器上之前与视频流合并。训练有素的网络，TensorFlow和ONNX设计由SDK支持。模型转换，量化，校准和所有中间步骤是通过Python脚本执行。该VectorBlox加速器SDK包含所需的API库来管理INT8在转化细胞神经网络的SoftConsole。开始评估时不需要任何FPGA专业知识PolarFire的FPGA与使用支持的框架，创建了一个训练有素的网络。
早期访问计划开始于2020年6月30日。写信给vectorblox@microchip.com是在位于形式的此程序的一部分，并且填充索取更多信息标签。
概观
由于计算负载移动到边缘，PolarFire FPGA提供30-50％的低总功耗比同类中档FPGA具有5到10倍，静态功耗降低，使它们非常适用于计算密集型边缘设备的一个新的范围，包括那些部署在热和功率受限的环境。PolarFire FPGA智能嵌入式机器视觉解决方案包括视频，成像和机器学习IP和工具，加速需要低功耗，高性能的设计，横跨工业，医疗，广播，汽车，航空航天和国防市场小型化的因素。
在智能钥匙PolarFire优势嵌入式视觉
1.最低的总功率消耗在竞争中中密度FPGAs
- 比具有竞争力的中密度FPGAs低30%到50%的能耗
- 在像无人驾驶飞机，AR / VR耳机，的HUD，便携式超声波等便携式设备延长电池寿命
- 通过消除热风扇和散热器降低系统成本
- 在4kp60 HDMI 2.0，12G SDI，10G以太网，12.5G CoaXPress等实现较低的功率使用SERDES车道额定90毫瓦10yabo8855下载G
2.小外形封装开始于11×11毫米为100K LE
- 用100K（11×11毫米）和200K（11x14.5毫米）创建紧凑模块LE设备
- 设计你的次世代视觉平台，小外形PolarFire的FPGA具有无与伦比的功能，如DDR4，LPDDR3，12.7G SERDES，1.6 Gbps的LVDS I / O的和PCIe Gen2x4
与16通道音频视频桥接设计实例功耗对比基准测试
该示例设计演示音频到视频桥实现。它使用56级％的LUT，35％Mathblocks，DDR3和16个信道收发机在一个PolarFire MPF500T设备。相对于类似密度的FPGA时基准表明高达52％更低的功耗。
16个通道AVB SWITCHER电源估算结果
| AVB切换（4通道）。 | 静态(W) | Core动态（W） | I / O * (W) | 收发器* (W) | 总功率(W) |
|---|---|---|---|---|---|
| 极地消防（MPF500TS） | 1.493 | 2.474 | 2.991 | 0.769 | 7.727 |
| 极火(MPF500TLS * *) | 1.059 | 2.474 | 2.991 | 0.769 | 7.293 |
| Kintex 7 (XC7k325T-2) | 1.796 | 5.471 | 3.971 | 4.079 | 15.317 |
| 阿里亚V（5AGXFB3H） | 2.572 | 4.350 | 5.451 | 1.651 | 14.025 |
| ZYNQ美国+（XCZU7EV-1L（0.72V）） | 2.864 | 2.165 | 4.011 | 2.694 | 11.7 |
*I/O和收发机功率估计包括静态和动态组件。* *电力设备进行了优化
16通道AVB切换资源利用
| 资源 | 计数 | 接口 | 车道 | I / O的 | 率 |
|---|---|---|---|---|---|
| 4附近地区 | 271 k | 收发器 | 16 | - | 2.97Gb / s的 |
| DFF | 188 k | ||||
| LSRAM | 816 | ||||
| uSRAM | 249 | 3 x72一点DDR3 | - | 351 | 800 Mb / s的 |
| MathBlock | 500 |
学到更多
| 了解为什么Microchip的FPGA的功耗多达功率低50％，比同类中等密度FPGA？ | 学到更多 |
| 你知道吗，PolarFire是世界上最好的FPGA在保护您的IP？ | 学到更多 |
| 你知道是什么使Microchip的FPGA中最可靠的行业？ | 学到更多 |
| 了解Libero, IDE的极化火。 | 学到更多 |
| 了解偏振火将如何满足您的下一代视觉平台需求。 | 学到更多 |
开始
设计你的视频信号链与最低的功率中程偏振火焰fpga
 |
|
PolarFire视频FMC组合
CoaXyabo8855下载Press FMC卡 |
SDI FMC卡 |
USXGMII FMC卡 |
| 该CoaXPreyabo8855下载ss FMC子卡是用于评估和测试CoaXPress协议的硬件评估平台。价格：$ 849。 | SDI FMC子卡是用于评估和测试串行数字接口IP硬件评估平台。价格：$ 499 | 该USXGMII FMC子卡是用于评估和测试方形PHY IP硬件评估平台。价格：$ 499 |
| # | 描述 | 链接 |
|---|---|---|
|
1 |
浏览并购买PolarFire视频套件。 | 工具包的网页 |
|
2 |
浏览并购买CoaXPress FMC子卡。yabo8855下载 | 固定-移动网页 |
| 3. | 探索并购买SDI FMC女儿卡。 | 固定-移动网页 |
| 4 | 探索并购买USXGMII FMC女儿卡。 | 固定-移动网页 |
| 5 | 下载PolarFire的FPGA的SoC的Libero V12.1软件。 | 的Libero SoC的V12.1下载 |
| 6 | 该套件附带一年免费的Libero SoC黄金许可证。注册您的软件ID。 | 许可 |
| 7 | 下载双摄像头视频工具包演示指南。 | DG0849 |
| 8 | 下载设计文件，编程文件和GUI安装程序。 | 设计文件,程序文件,GUI安装程序 |
| 9 | 探索图像和视频的IP选项卡以获取更多信息。 | 进入成像和视频IPs选项卡。 |
| 10 | 探索低功耗PolarFire设计。下载电源估算UG和Excel工具。 | 低功耗UG,功耗估算 |
开箱演示设计的宝丽火视频工具包
演示向导及编程文件
| DG0849:偏振火4K FPGA双摄像头视频工具包演示指南 | 05/2020 |
图像和视频ip
Microchip的FPGA产品组合通过内部开发和使用我们的第三方合作伙伴生态系统提供可扩展的可生产的IPs。我们的内部IP产品包括MIPI、slv - ec、CoaXPress、Serial Digital Interface (SDI)、HDMI等最新的嵌入式视觉IP，而我们的合作yabo8855下载伙伴则包括Machine Learning、H.264、DisplayPort和HDCP IP，而且还不断增加更多的IP。
点击这里看到我们的合作伙伴的IP。
内部DirectCore智能嵌入式视觉IPs为偏振火FPGA
| 知识产权 | 特征 | 文档 |
| MIPI CSI-2的Rx | 每车道最高1.5 Gbps x4车道，4Kp60 | UG0806：MIPI CSI-2的Rx UG |
| MIPI CSI-2的Tx | 高达1每泳道×4个车道Gbps的，4Kp30 | UG0826: PolarFire MIPI CSI-2 Tx UG |
| HDMI 2.0的Rx | 支持HDMI 2.0, 8位彩色，1080p60 | UG0863: HDMI RX IP UG |
| HDMI 2.0的Tx | 支持HDMI 2.0和1.4,4Kp60 | UG0862：HDMI TX IP UG |
| USXGMII | 支持1,2.5,5和10G的以太网Cu: EDCS-1150953 | 索取资料 |
| 3 g / HD SDI Rx | HD-SDI 1.485 Gbps和3G-SDI 2.97 Gbps | CoreSDIRX v2.2手册 |
| 3 g / HD SDI Tx | HD-SDI 1.485 Gbps和3G-SDI 2.97 Gbps | CoreSDITX V2.2手簿 |
| 6G / 12G SDI的Rx | 6 Gbps的（1080p120，2160p30）和12Gbps的（2160p60） | CoreUHD_SDIRX V2.0手簿 |
| 6G / 12G SDI的Tx | 6 Gbps的（1080p120，2160p30）和12 Gbps的（2160p60） | CoreUHD_SDITX 2.0版本手册 |
| SLVS-EC | 支持每个车道×2个泳道2.3 Gbps的在RAW8数据类型 | UG0877: SLVS-EC Rx UG |
| CoaXyabo8855下载Press V1.1 | 下降6.25 Gbps，上升20.83 Mbps连接，主机和设备IP | UG0875:协压IP yabo8855下载UG |
| ISP包 | 拜耳，视频DMA，阿尔法混合，颜色空间（RGB，的YCbCr），图像锐化，显示增强，边缘检测，显示控制器，模式生成，MIPI CSI-2的Rx / Tx和LVDS 7：1个显示接收/发送 | UG0640:拜耳插补UG UG0693:边缘检测 UG0639:色彩空间转换 UG0641: Alpha混合UG UG0646：显示增强UG UG0651:标量UG UG0682:图案生成器UG UG0649:显示控制器UG |
对于评估/购买的任何IP地址，请填写请求信息的形式,或联系当地销售在你的区域。
智能嵌入式视觉合作伙伴IPs
| 伙伴 | 描述 | 支持的FPGA |
 |
|
PolarFire的FPGA |
 |
|
PolarFire的FPGA |
 |
|
PolarFire的FPGA |
 |
|
PolarFire的FPGA SmartFusion2的SoC FPGA的 IGLOO2 fpga |
 |
|
PolarFire的FPGA |
 |
|
SmartFusion2的SoC FPGA的 IGLOO2 fpga |
 |
|
SmartFusion2的SoC FPGA的 IGLOO2 fpga |
 |
|
PolarFire的FPGA |
索取资料
VectorBlox人工智能
VectorBlox加速器软件开发工具包
VectorBlox加速器SDK包含不同的工具，它们将TensorFlow和ONNX的神经网络描述编译成二进制大型对象(BLOB)，该对象存储在flash中，并在执行期间加载到DDR内存中。
|
CoreVectorBlox IP
|
设计您的第一个低功耗AI应用程序没有任何FPGA经验
第一步：准备好你的训练模型使用SDK中提供的Python脚本将经过训练的模型转换为优化的INT8表示，称为二进制大对象(BLOB)。通过VectorBlox模拟器运行BLOB，验证网络的准确性，确保网络转换成功。  |
步骤2:准备硬件的PolarFire视频套件被配置为运行作为AI功能的智能相机。SDK包括预编译的试剂盒，图像比特流。写使用的比特流进入PolarFire FPGAFlashPro试剂盒附带的程序员。写BLOB，从步骤1产生的，入试剂盒的SPI闪存。  |
步骤3:编写嵌入式代码使用在C / C所提供的嵌入代码++基于的SoftConsoleIDE和生成和编程的十六进制文件。视频套件连接到HDMI显示器，并打开它。修改嵌入的代码来加载和运行许多CNN的BLOB，开关细胞神经网络动态地在运行中或依次加载细胞神经网络用于同时推理。
|
“早期准入计划”将于2020年6月30日启动。写信给vectorblox@microchip.com是在位于形式的此程序的一部分，并且填充索取更多信息标签。
