fireflyNCC S1神經(jīng)網(wǎng)絡(luò)計(jì)算卡介紹
簡(jiǎn)介
模塊類型
Firefly神經(jīng)網(wǎng)絡(luò)計(jì)算卡是Firefly推出的，配合Firefly開(kāi)發(fā)板使用的NPU(Neural Processing Unit)模塊。模塊搭載GTI(全稱Gyrfalcon Technology Inc.)公司推出的光矛2801S芯片。 2801s峰值運(yùn)算能力高達(dá)2.8Tops，消耗1瓦特可以實(shí)現(xiàn)9.3兆次運(yùn)算。
Firefly神經(jīng)網(wǎng)絡(luò)計(jì)算卡有三種類型：NCC S1模塊、USB Dongle模塊和內(nèi)嵌模塊。
2. USB Dongle模塊
- USB Dongle模塊接口為USB，可通用到各個(gè)Firefly開(kāi)發(fā)板中。
- 用于模型訓(xùn)練的推理和轉(zhuǎn)換模型。
-
3. 內(nèi)置模塊開(kāi)發(fā)板
- 接口為USB 3.0
- 模塊內(nèi)置開(kāi)發(fā)板
- 開(kāi)發(fā)流程與USB Dongle模塊相同
支持開(kāi)發(fā)板
NCC S1支持開(kāi)發(fā)板
ROC-RK3399-PC(推薦)
ROC-RK3328-CC
USB Dongle支持開(kāi)發(fā)板
USB Dongle模塊支持全部Firefly開(kāi)發(fā)板，需要驅(qū)動(dòng)模塊sg.ko（SCSI generic模塊），請(qǐng)確認(rèn)內(nèi)核支持或自行編譯對(duì)應(yīng)內(nèi)核驅(qū)動(dòng)。
內(nèi)置模塊開(kāi)發(fā)板
AIO-3399C AI版
支持網(wǎng)絡(luò)模型
圖片分類
- GNet1 (VGG-16)
- GNet18
- GNetfc
開(kāi)發(fā)工具
-
SDK
- 程序開(kāi)發(fā)工具，支持Android和Linux系統(tǒng)
- v4.x之后模型文件為單一文件，主要Demo在SDK的Apps/Demo目錄下
-
PLAI
- 模型開(kāi)發(fā)和轉(zhuǎn)換工具，基于PyTorch，支持GNet1、GNet18和GNetfc
-
MDK
- 模型開(kāi)發(fā)和轉(zhuǎn)換工具
- 基于Caffe 1，支持SSD、GNet1和GNet18，wiki只介紹支持SSD的MDK
- 基于TensorFlow，支持GNet1
技術(shù)支持
NCC S1論壇
聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
嵌入式主板
+關(guān)注
關(guān)注
7文章
6085瀏覽量
35296 -
安卓
+關(guān)注
關(guān)注
5文章
2126瀏覽量
57147 -
Firefly
+關(guān)注
關(guān)注
2文章
538瀏覽量
7027
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
神經(jīng)網(wǎng)絡(luò)教程（李亞非）
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.
發(fā)表于 03-20 11:32
【PYNQ-Z2試用體驗(yàn)】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)
學(xué)習(xí)和認(rèn)知科學(xué)領(lǐng)域，是一種模仿生物神經(jīng)網(wǎng)絡(luò)（動(dòng)物的中樞神經(jīng)系統(tǒng)，特別是大腦）的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計(jì)算模型，用于對(duì)函數(shù)進(jìn)行估計(jì)或近似。神經(jīng)網(wǎng)絡(luò)由大量的人工
發(fā)表于 03-03 22:10
【案例分享】基于BP算法的前饋神經(jīng)網(wǎng)絡(luò)
傳播的，不會(huì)回流），區(qū)別于循環(huán)神經(jīng)網(wǎng)絡(luò)RNN。BP算法（Back Propagation）：誤差反向傳播算法，用于更新網(wǎng)絡(luò)中的權(quán)重。BP神經(jīng)網(wǎng)絡(luò)思想：表面上：1. 數(shù)據(jù)信息的前向傳播，
發(fā)表于 07-21 04:00
【案例分享】ART神經(jīng)網(wǎng)絡(luò)與SOM神經(jīng)網(wǎng)絡(luò)
今天學(xué)習(xí)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺(jué)不是很難，只不過(guò)一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競(jìng)爭(zhēng)學(xué)習(xí)的一個(gè)代表，
發(fā)表于 07-21 04:30
如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測(cè)的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反
發(fā)表于 07-12 08:02
輕量化神經(jīng)網(wǎng)絡(luò)的相關(guān)資料下載
視覺(jué)任務(wù)中，并取得了巨大成功。然而，由于存儲(chǔ)空間和功耗的限制，神經(jīng)網(wǎng)絡(luò)模型在嵌入式設(shè)備上的存儲(chǔ)與計(jì)算仍然是一個(gè)巨大的挑戰(zhàn)。前面幾篇介紹了如何在嵌入式AI芯片上部署神經(jīng)網(wǎng)絡(luò)：【嵌入式AI
發(fā)表于 12-14 07:35
神經(jīng)網(wǎng)絡(luò)移植到STM32的方法
將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個(gè)項(xiàng)目需要用到網(wǎng)絡(luò)進(jìn)行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機(jī)上做神經(jīng)網(wǎng)絡(luò)計(jì)算，這樣就可以實(shí)時(shí)
發(fā)表于 01-11 06:20
卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用
分析了目前的特殊模型結(jié)構(gòu)，最后總結(jié)并討論了卷積神經(jīng)網(wǎng)絡(luò)在相關(guān)領(lǐng)域的應(yīng)用，并對(duì)未來(lái)的研究方向進(jìn)行展望。卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN） 在計(jì)算機(jī)視覺(jué)[
發(fā)表于 08-02 10:39
神經(jīng)網(wǎng)絡(luò)基本介紹
神經(jīng)網(wǎng)絡(luò)基本介紹，人工神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，Neural Network）是模擬人腦思維方式的數(shù)學(xué)模型。
神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代生物
發(fā)表于 12-06 15:07
?0次下載
fireflyNCC S1 神經(jīng)網(wǎng)絡(luò)計(jì)算卡簡(jiǎn)介
基于AI專用的APiM架構(gòu)，無(wú)需外部緩存的模塊化深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)加速器，用于高性能邊緣計(jì)算領(lǐng)域，可作為基于視覺(jué)的深度學(xué)習(xí)運(yùn)算和AI算法加速。外形小巧，極低功耗，擁有著強(qiáng)勁算力，配套完整易用的模型訓(xùn)練工具、網(wǎng)絡(luò)訓(xùn)練模型實(shí)例，搭配專
fireflyNCC S1燒寫(xiě)工具--常見(jiàn)問(wèn)題簡(jiǎn)介
如果使用的神經(jīng)網(wǎng)絡(luò)計(jì)算卡是eMMC接口的，請(qǐng)下載并燒寫(xiě)專用固件，或編譯并使用AI資料U盤(pán)中的內(nèi)核。
fireflyNCC S1--PLAI神經(jīng)網(wǎng)絡(luò)量化工具介紹
PLAI是一個(gè)基于PyTorch的神經(jīng)網(wǎng)絡(luò)量化工具 - 用于將浮點(diǎn)神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換為定點(diǎn) 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)（給GTI 2801s使用）, 或從頭開(kāi)始訓(xùn)練定點(diǎn)模型。 PLAI使用主機(jī)的CPU和G
什么是神經(jīng)網(wǎng)絡(luò)？什么是卷積神經(jīng)網(wǎng)絡(luò)？
在介紹卷積神經(jīng)網(wǎng)絡(luò)之前，我們先回顧一下神經(jīng)網(wǎng)絡(luò)的基本知識(shí)。就目前而言，神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法的核心，我們所熟知的很多深度學(xué)習(xí)算法的背后其實(shí)都是神經(jīng)網(wǎng)
卷積神經(jīng)網(wǎng)絡(luò)計(jì)算公式
介紹如何積極神經(jīng)網(wǎng)絡(luò)計(jì)算公式，以及如何使用這些公式來(lái)搭建深度神經(jīng)網(wǎng)絡(luò)。 1. 基礎(chǔ)計(jì)算公式 在
工商網(wǎng)監(jiān)
評(píng)論