深度学习是当今技术领域增长最快的领域之一。它越来越多地用于语音识别、人脸识别甚至游戏等任务。深度学习模型由人工神经网络提供支持,采用机器学习算法,使用多层非线性处理单元进行特征提取和转换,每一层都使用前一层的输出作为输入。
安富利的 Xilinx 201808 为低端器件 XC7Z007 提供了这种深度学习功能。它将多层感知器(MLP)网络拓扑与使用二值化神经网络*的极端量化网络相结合,在MNIST上拥有95.8%的准确率,资源利用率为91%/66%(LUT/FF)。它适用于用于监控的智能摄像机和用于工业自动化的智能摄像机等应用。
01、产品特征
● 低端器件XC7Z007的深度学习能力
● 多层感知器 (MLP) 网络拓扑
● 使用二值化神经网络的极端量化网络*
● MNIST 的准确率为 95.8%
● 小型全连接层:256 个节点
● 内置 Wifi 上的 Jupyter 笔记本
● 91%/66% (LUT/FF) 资源利用率
● 快速、可扩展的二值化神经网络推理框架
02、关键部件
● Zynq XC7Z007S
● 对话 PMIC
● Wifi模块
03、产品框图
04、应用领域
● 监控的智能摄像头
● 工业自动化的智能相机