百度&米尔携手推出FZ3深度学习计算卡!

发布者:EEWorld资讯最新更新时间:2020-03-31 来源: EEWORLD关键字:FZ3  深度学习 手机看文章 扫描二维码
随时随地手机看文章

前言:百度大脑是百度 AI 核心技术引擎,包括视觉、语音、自然语言处理、知识图谱、深度学习等AI核心技术和AI开放平台。

 

 

基于 Xilinx Zynq UltraScale+ MPSoC 的 EdgeBoard核心加速方案是百度AI加速平台的关键组成部分。其Zynq芯片内部集成ARM处理器+GPU+FPGA(及Video Decode)的架构,既具有多核处理能力、也有视频流硬解码处理能力,还具有FPGA的可编程的特点。内置Linux 4.14.0系统和深度学习预装环境,与百度大脑模型定制平台(AIStudio、EasyDL、EasyEdge)深度打通,实现模型的训练、部署、推理等一站式服务。

 

 

百度/米尔联合推出的FZ3深度学习计算卡,系基于赛灵思XCZU3EG的百度大脑EdgBaord加速平台。其可嵌入多样化的产品形态中,实现智能视觉、智能安防、高级驾驶员辅助系统(ADAS)以及下一代机器人等各种AI边缘应用的落地。

 

米尔/百度FZ3深度学习计算卡配合百度大脑提供的多样化且不断迭代的模型库可以轻松实现人脸、人体、动物&物体、文字等多场景的识别。

 

baidudanao

 

产品特点:

 

售价低至999RMB/1299RMB,极高性价比ZYNQ/AI开发板

 

基于FPGA可伸缩计算架构,可灵活适配快速迭代的AI网络模型

 

实测可达1.2TOPS算力,MobileNet可达100FPS,性能强大

 

与百度大脑工具平台无缝兼容,一站式降低AI应用门槛

 

体积小,接口齐全,拓展性佳,轻松嵌入各种智能硬件

 

工业级配置,高标准选料与工艺,品质卓越


强大AI计算性能&低功耗

 

实测性能高达1.2TOPS,为量化裁剪情况下MOBILENET可达100FPS,超过CPU性能20倍,功耗仅5-10W。

 

模型未裁剪量化的情况下,计算卡性能表现:

 

微信图片_20200317103452

 

丰富开发资源与工具平台

 

无缝兼容百度大脑工具平台,一站式降低AI开发门槛

 

微信图片_20200317104354

 

出色的硬件设计

 

该板卡基于Xilinx Zynq UltraScale+ MPSoC XCZU3EG, 4核Cortex-A53+FPGA架构,板载2GB/4GB DDR4 SDRAM(64bit,2400MHz)+8GB eMMC的存储组合。体积小,功能完善,适合嵌入各种不同的产品形态。

 

接口示意图:

 

MYS-ZU3EG标识图

  

  1.      性能强,体积小,易适配


QQ图片20200320163532


2.卓越品质&十年生命周期

 

MYS-ZU3EG-8E2D-EDGE_06

 

应用场景广泛

 

适用于智能安防,工业检测,医疗诊断,无人机巡检,科研,消费,无人驾驶等广泛领域。

 

微信图片_20200317111047

 

关键字:FZ3  深度学习 引用地址:百度&米尔携手推出FZ3深度学习计算卡!

上一篇:华为5G芯片第二弹:一代神U麒麟820
下一篇:中国AI公司第四范式完成C+轮融资,估值约20亿美元

推荐阅读最新更新时间:2024-10-22 13:08

百度&米尔携手推出FZ3深度学习计算卡!
前言:百度大脑是百度 AI 核心技术引擎,包括视觉、语音、自然语言处理、知识图谱、深度学习等AI核心技术和AI开放平台。 基于 Xilinx Zynq UltraScale+ MPSoC 的 EdgeBoard核心加速方案是百度AI加速平台的关键组成部分。其Zynq芯片内部集成ARM处理器+GPU+FPGA(及 Video Decode )的架构,既具有多核处理能力、也有视频流硬解码处理能力,还具有FPGA的可编程的特点。内置Linux 4.14.0系统和深度学习预装环境,与百度大脑模型定制平台(AIStudio、EasyDL、EasyEdge)深度打通,实现模型的训练、部署、推理等一站式服务。 百度/米尔联合
[物联网]
百度&米尔携手推出<font color='red'>FZ3</font><font color='red'>深度学习</font>计算卡!
机器视觉和深度学习在工业领域的应用
机器视觉是通过计算机模拟人类视觉功能,让机器获得相关视觉信息和加以理解。可分为“视”和“觉”两部分原理。 “视”是将外界信息通过成像来显示成数字信号反馈给计算机,需要依靠一整套的硬件解决方案,包括光源、相机、图像采集卡、视觉传感器等。“觉”则是计算机对数字信号进行处理和分析,主要是软件算法。 机器视觉在工业上应用领域广阔,核心功能包括:测量、检测、识别、定位等。产业链可以分为上游部件级市场、中游系统集成/整机装备市场和下游应用市场 机器视觉中,缺陷检测功能,是机器视觉应用得最多的功能之一,主要检测产品表面的各种信息。在现代工业自动化生产中,连续大批量生产中每个制程都有一定的次品率单独看虽然比率很小,但相乘后却成为企业难
[嵌入式]
机器视觉和<font color='red'>深度学习</font>在工业领域的应用
基于深度学习的机器视觉应用场景
工业机器视觉产业链 1. 高技术壁垒赛道,产业链上游价值量高。工业机器视觉是集光学成像、人工智能、自动化控制等多方面技术于一体的行业。工业机器视觉产业链上游为零部件及软件算法,中游为视觉装备及方案,下游为具体的应用场景与行业。上游的零部件及软件算法占机器视觉80%的价值量。 2. 技术、产业、政策三重利好,助推我国机器视觉产业发展。 3. 国产厂商技术逐渐成熟,国产替代正当时。2021年国产厂商占据了近50%市场份额,康耐视在中国的机器视觉业务呈现出增速放缓趋势,2020/2021/2022的同比增速分别为46%/19%/13%。 4. 下游应用需求明确,3C电子是最主要机器视觉市场,新能源涨势迅猛逐步成为主要增长市场。20
[嵌入式]
基于<font color='red'>深度学习</font>的机器视觉应用场景
基于深度学习的机器视觉应用场景
工业机器视觉产业链 1. 高技术壁垒赛道,产业链上游价值量高。工业机器视觉是集光学成像、人工智能、自动化控制等多方面技术于一体的行业。工业机器视觉产业链上游为零部件及软件算法,中游为视觉装备及方案,下游为具体的应用场景与行业。上游的零部件及软件算法占机器视觉80%的价值量。 2. 技术、产业、政策三重利好,助推我国机器视觉产业发展。 3. 国产厂商技术逐渐成熟,国产替代正当时。2021年国产厂商占据了近50%市场份额,康耐视在中国的机器视觉业务呈现出增速放缓趋势,2020/2021/2022的同比增速分别为46%/19%/13%。 4. 下游应用需求明确,3C电子是最主要机器视觉市场,新能源涨势迅猛逐步成为主要增长市场。20
[嵌入式]
基于<font color='red'>深度学习</font>的机器视觉应用场景
基于深度学习识别模型的缺陷检测方法
一、介绍 缺陷检测被广泛使用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。传统的算法对规则缺陷以及场景比较简单的场合,能够很好工作,但是对特征不明显的、形状多样、场景比较混乱的场合,则不再适用。近年来,基于深度学习的识别算法越来越成熟,许多公司开始尝试把深度学习算法应用到工业场合中。 二、缺陷数据 这里以布匹数据作为案例,常见的有以下三种缺陷,磨损、白点、多线。 如何制作训练数据呢?这里是在原图像上进行截取,截取到小图像,比如上述图像是512x512,这里我裁剪成64x64的小图像。这里以第一类缺陷为例,下面是制作数据的方法。 注意:在制作缺陷数据的时候,缺陷面积至少占截取图像的2/3,否则舍弃掉,不做为缺陷图像。
[嵌入式]
基于<font color='red'>深度学习</font>识别模型的缺陷检测方法
基于深度学习的交通场景中行人检测方法
0 引言 行人检测是目标检测领域中重要的研究课题,其在智能驾驶系统、视频监控、人流量密度监测等领域有广泛应用 。但由于行人背景的复杂以及个体本身的差异,行人检测成为目标检测领域的研究难点之一。 目前行人检测方法主要分为两类:传统的行人识别主要通过人工设计特征结合分类器的方式进行。比较经典的方法有HOG+SVM 、HOG+LBP 等。此类方法可以避免行人遮挡带来的影响,但是泛化能力和准确性较低 ,难以满足实际需求。另一类是基于深度学习的方法。通过多层卷积神经网络(CNN) 对行人进行分类和定位。与传统特征算子相比,CNN 能根据输入的图像自主学习特征,提取图像中更丰富和更抽象的特征。目前已有许多基于深度学习的目标检测框架,如R
[嵌入式]
基于<font color='red'>深度学习</font>的交通场景中行人检测方法
基于传感器和深度学习神经网络的血压监测系统
持续可靠地监测血压和心功能对心血管疾病的诊断和预防具有非常重要的意义。然而,现有的心血管监测仪器体积庞大且监测成本高昂,限制了其在早期诊断中的广泛应用。 清华大学化学系的科研团队在Science Advances期刊上发表了以“Monitoring blood pressure and cardiac function without positioning via a deep learning–assisted strain sensor array”为主题的论文。该论文的第一作者为Shuo Li,通讯作者为张莹莹教授。 这项研究开发了一款基于保形(conformal)柔性应变传感器阵列和深度学习神经网络的智能血压和心功
[嵌入式]
基于传感器和<font color='red'>深度学习</font>神经网络的血压监测系统
猎豹启发:生物力学与深度学习驱动的机器人革新
在地跨南非和博茨瓦纳广袤的卡格拉格帝跨境公园内,野生猎豹妈妈和她的三只幼崽正在捕猎跳羚。猎豹之所以能够迅速扑倒猎物,是因为敏捷性和快速加速能力赋予它们决定性的优势。Amir Pal 是开普顿大学生物力学教授兼非洲研究 (ARU) 主任。在他的实验室内,他正在安全距离内现场训练着动作捕捉系统。 Patel 和他在 ARU 的团队致力于通过研究猎豹如何移动,打造更出色、更敏捷的机器人。“猎豹代表着机动性的巅峰水平,”Patel 说道。“要深入研究它,我们需要设计新的方法来衡量运动和力或者执行优化。” 关注猎豹这种地表速度最快的动物催生了诸多技术上的进步和发展。在机器人、多体建模、反馈控制、轨迹优化、和领域,研究人员
[机器人]
小广播
最新物联网文章
换一换 更多 相关热搜器件

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved