微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 恩智浦推出车规级深度学习工具包 使新一代汽车应用性能提高30倍

恩智浦推出车规级深度学习工具包 使新一代汽车应用性能提高30倍

2019-11-06 13:00
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2019-11-06 13:00 科技行者

科技行者 11月6日 北京消息:汽车半导体供应商恩智浦半导体NXP Semiconductors N.V.(纳斯达克代码:NXPI)推出汽车车规级深度学习工具包eIQ Auto,扩展了公司eIQ机器学习产品系列。该工具包旨在帮助客户从开发环境快速地转向满足汽车行业严格标准的人工智能应用集成。eIQ Auto能够将基于深度学习的算法应用到视觉、自动驾驶、传感器融合、驾驶员监控和其他不断发展的汽车应用。

eIQ Auto工具包使客户能在PC端/云端/GPU环境下对汽车产品进行开发,并将其神经网络集成到S32处理器上。恩智浦的工具包和汽车级推断引擎使神经网络在具有严格安全要求的汽车应用中更容易部署。一个很好的例子是,在基于计算机视觉的系统中,传统计算机视觉算法加速向基于深度学习的算法转变。

深度学习有望在目标检测和分类中提供优于“传统”计算机视觉算法的检测精度和可维护性,但复杂性和高昂的成本阻碍了全车规的集成和实现。

eIQ Auto工具包旨在降低为深度学习算法的每一层选择,并集成嵌入式计算引擎所需的投资成本,从而帮助客户缩短产品上市时间。与其他嵌入式深度学习框架相比,自动选择过程使给定模型的性能提高了30倍。实现此性能的方式是优化可用资源的使用,减少时间和开发工作量——这是基于恩智浦的内部基准,使用单线程Tensor Flow(TF) Lite浮点模型与运行于S32V234双APEX-2上的Auto eIQ量化版本进行比较。这些红利可帮助开发人员对应用进行评估、微调和部署,以获得最大化的总体性能。

符合汽车车规级开发标准和功能安全要求是eIQ Auto和S32V集成的关键优势。eIQ Auto的推断引擎遵照严格的开发要求,符合Automotive SPICE®标准。S32V处理器提供最高级别的功能安全,支持ISO 26262,最高满足ASIL-C、IEC 61508和DO 178标准。

恩智浦副总裁兼高级驾驶员辅助解决方案总经理Kamal Khouri表示:“新一代汽车应用,比如当前自动驾驶测试车辆的集成方案,系统庞大,能耗高且不可能批量生产。新的eIQ工具包可帮助我们的客户在具有最高级别安全性和可靠性的嵌入式处理器环境中部署强大的神经网络。”

恩智浦的Auto eIQ深度学习工具包和车规级S32V芯片共同为新一代汽车应用提供性能、功能安全和质量的强大基础。

恩智浦eIQ Auto工具包包括:

  • 由统一的API和运行后端选择所支持的多个执行选项
  • 兼容A-SPICE的推断引擎,可以通过在高效加速器上安排任务来优化性能
  • 为最先进的CNN/神经网络提供支持
  • 优化层和优化网络库

eIQ Auto工具包亮点在于:

  • 旨在通过快速集成神经网络,最大化客户软件效率
  • 提供包含软件、转换工具和车规级推断引擎的深度学习工具包
  • 与恩智浦的S32V处理器系列紧密集成,以简化ADAS开发
分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-