亚马逊 EC2 F1实例采用了赛灵思最新 16nm UltraScale+ FPGA-电子工程世界

分享到: 微博; QQ; 微信; LinkedIn

2016年12月9日，北京—All Programmable技术和器件的全球领先企业赛灵思公司（Xilinx, Inc. (NASDAQ:XLNX)）宣布，亚马逊云服务（AWS， Amazon Web Service）在亚马逊弹性云计算（Amazon EC2）F1 新实例中采用了赛灵思16nm UltraScale+ 现场可编程门阵列（FPGA），以加速基因、金融分析、视频处理、大数据、安全和机器学习推断等工作负载。

除Amazon EC2 F1实例之外，AWS还宣布了FPGA开发者亚马逊机器映像（FPGA Developer Amazon Machine Image(AMI)）开发工具，AMI为包括赛灵思Vivado® Design Suite和Vivado许可证在内的开发工具和脚本预先构建。

赛灵思公司企业战略高级副总裁Steve Glaser：“我们认为FPGA在云端将成为主流应用。而AWS上周的发布，进一步证明了这一趋势正在发生且势不可挡。”

关键字：视频处理机器学习开发工具引用地址：亚马逊 EC2 F1实例采用了赛灵思最新 16nm UltraScale+ FPGA

上一篇：美高森美成为针对嵌入式设计提供开放式架构FPGA器件供应商
下一篇：莱迪思半导体推出全新的iCE40 UltraPlus™器件

推荐阅读最新更新时间：2024-05-03 00:53

研究人员研发机器学习法用微波准确识别物体可用于自动驾驶汽车

据外媒报道，美国杜克大学（ Duke University）和法国尼斯大学物理系（Institut de Physique de Nice）的工程师们研发了一种新方法，利用微波识别物体，可以提高准确性，同时减少了相关的计算时间和功耗。该系统可以用于自动驾驶汽车、安全扫描和运动传感等关键领域，以改善物体识别，并提高物体识别速度。新方法基于机器学习，省去了中间环节，跳过了创建图像供人工分析的步骤，可以直接分析纯数据。此外，该方法还可以确定最优硬件配置，揭示最重要数据的同时发现实际上最重要的数据是什么。在一项概念认证研究中，该设置进行了数十次测量，而无需通常所需的数百或数千次，就正确识别了一组3D数字。在该项研

[汽车电子]

研究人员研发<font color='red'>机器学习</font>法用微波准确识别物体可用于自动驾驶汽车

ARM Development Studio开发工具介绍及各版本区别

Arm Development Studio是市场上最全面的端到端的嵌入式C/C++开发解决方案，专为基于Arm的SoC设计，从微型控制器到自定义多核处理器。与Arm处理器IP一起设计，加速Cortex-M、Cortex-R和Cortex-A处理器的系统设计和软件开发，同时帮你构建强大而高效的产品。深圳市米尔科技有限公司是ARM公司官方授权全线工具产品代理商，提供ARM公司原装正版开发工具（包括本产品ADS）的销售服务，以及ARM工具产品的市场推广、产品更新、技术支持和售后服务，ARM ADS的历史版本有 ADT、ADS 、RVDS和DS-5。功能强大的Arm Development Studio 1、多样

[半导体设计/制造]

ARM Development Studio<font color='red'>开发工具</font>介绍及各版本区别

基于FPGA+DSP架构视频处理系统设计

本系统采用基于 FPGA 与 DSP 协同工作进行视频处理的方案，实现视频采集、处理到传输的整个过程。实时视频图像处理中，低层的预处理算法处理的数据量大，对处理速度要求高，但算法相对比较简单，适合于用FPGA进行硬件实现，这样能兼顾速度及灵活性。高层的处理算法结构复杂，适用于运算速度高、寻址方式灵活、通信机制强的DSP芯片宋实现。 DSP +FPGA架构的最大特点是结构灵活、有较强的通用性、适合于模块化设计，从而能够提高算法效率，同时其开发周期短、系统易于维护和升级，适合于实时视频图像处理。系统采用模块化的设计方法，将整个系统划分为三部分：视频采集单元、视频处理单元和视频传输单元。整个系统以FPGA作为

[嵌入式]

基于FPGA+DSP架构<font color='red'>视频</font><font color='red'>处理</font>系统设计

3D打印结合机器学习可开发探测病毒的医用传感器

机器学习技术是一个重要和涉及广泛的计算领域。因此，当我们得知UCLA（加州大学洛杉矶分校）研究人员在一个新项目中将该技术与3D打印结合在一起时，一定会倍感兴奋。据了解，研究人员开发了一个3D打印原型探测器，其中包含一个采用了机器学习技术来不断进行自我调整的传感器。一种新的、更有效的微小物质检测方法由此诞生，该方法可检测癌症生物标志物、病毒、蛋白质等。这可以改善严重感染和疾病的诊断和治疗。在医学研究中，等离子体感测（plasmonic sensing）已被使用多年，来收集亚微观级别的物质组成的相关信息。然而，由于所涉及的仪器数量庞大且成本高，在实验室环境外使用等离子体感测受到很大的限制。现在，由Aydogan Ozcan教授领

[医疗电子]

MSP430开发工具的介绍及其特性

　　在MCU项目开发过程中，始终有两个设备紧密的联系在一起，一个是仿真器，一个是编程器。仿真器，顾名思义就是模仿单片机的功能;编程器就是把程序编写到单片机内部。　　目前公司在MSP430开发工具方面主要有仿真器、编程器、各类学习板、转接板、适配器等。　　一：仿真器、编程器　　IAR和JTAG无法连接，是怎么回事？这是客户问的问题，在论坛中也很常见，FAE也有在问。我们就从这个问题开始讲解吧。　　MSP430无论是仿真还是烧写程序，一般可以通过：JTAG、SBW、BSL接口进行。　　1、JTAG是利用边界扫描技术，在430内部有逻辑接口给JTAG使用，内部有若干个寄存器连接到了430内部数据地址总线上，所以可以

[单片机]

MSP430<font color='red'>开发工具</font>的介绍及其特性

垃圾分类，AI大有可为：你是什么垃圾？

被垃圾逼疯的上海宁最近成为其他省市的快乐源泉，贡献了诸多精彩段子。不过不要紧，忙着“哈哈哈”的网友很快得知，到2020年底，包括北京、天津、上海、重庆、深圳等先行先试的46个重点城市，要基本建成垃圾分类处理系统。一时间，垃圾分类成为热议话题，也催生了“智能垃圾经济”的新模式和新的成长空间。根据方正证券消息，仅生活垃圾分类就会为市场带来1万亿元左右的增量，其相关板块的利润增速或空间弹性将至少在30%。这个巨大的蛋糕已经被AI注意到。垃圾分类，AI大有可为。你是什么垃圾——AI如何判断？先行开始垃圾分类的上海，目标是到2020年打造60个人工智能深度应用场景。7月2日，上海发布第二批人工智能应用场景需求，包括生活垃

[嵌入式]

教你如何利用二位交互图理解机器学习

来自：naughty 的博客 https://my.oschina.net/taogang/blog/1544709 每当提到，大家总是被其中的各种各样的算法和方法搞晕，觉得无从下手。确实，机器学习的各种套路确实不少，但是如果掌握了正确的路径和方法，其实还是有迹可循的，这里我推荐SAS的Li Hui的这篇博客，讲述了如何选择机器学习的各种方法。另外，Scikit-learn 也提供了一幅清晰的路线图给大家选择：其实机器学习的基本算法都很简单，下面我们就利用二维数据和交互来看看机器学习中的一些基本算法以及它们的原理。（另外向Bret Victor致敬，他的 Inv

[机器人]

东芝HD DVD播放器的音视频处理及逻辑控制设计探密

这是我做过的最复杂的设计揭密。我经手的大多数项目都是单功能设计，在大多数情况下，都有一个ASIC或高端CPU用于执行大部分处理功能。本例则是由每个子系统共用的一个处理器和用于连联接子系统的大量胶合逻辑组成。本次揭密的对象是东芝的高清晰度(HD)DVD播放器HD-1A。这种DVD播放器已经面市很长时间了，是吗？技术很简单，是吗？只是一些大批量生产的ASIC，是吗？错了，错了，而且是大错特错。首先，虽然标清(SD) DVD播放器面世已经很长时间了，但HD版还是比较新的。其次，技术可不简单。音频和视频方面必须处理的比特流相当巨大。第三，因为技术新，发展快，因此还没有转向ASIC，从电路板的照片中可以看出用到了大量的处理器。 S

[焦点新闻]

热门资源推荐
热门放大器推荐

小广播

热门活动

换一批

■2024 瑞萨电子MCU/MPU工业技术研讨会——深圳、上海站，火热报名中

■罗姆有奖直播 | 重点解析双极型晶体管的实用选型方法和使用方法

■STM32N6终于要发布了，ST首款带有NPU的MCU到底怎么样，欢迎小伙们来STM32全球线上峰会寻找答案！

■免费下载 | 安森美电动汽车充电白皮书，看碳化硅如何缓解“里程焦虑”！