CDNN2 支持從預(yù)訓練網(wǎng)絡(luò)至嵌入式系統(tǒng)的最嚴苛機器學習網(wǎng)絡(luò)，包括GoogLeNet、 VGG、SegNet、Alexnet、ResNet等等

　　CDNN2成為業(yè)界首個用于嵌入式系統(tǒng)的軟件框架，自動支持TensorFlow?生成的網(wǎng)絡(luò)

　　CDNN2結(jié)合CEVA-XM4圖像和視覺處理器，為任何帶有camera功能的設(shè)備提供高能效深度學習解決方案

　　專注于智能互聯(lián)設(shè)備的全球領(lǐng)先信號處理IP授權(quán)許可廠商CEVA公司發(fā)布用于機器學習的第二代神經(jīng)網(wǎng)絡(luò)軟件框架CDNN2(CEVA深度神經(jīng)網(wǎng)絡(luò))。

　　CDNN2在相機設(shè)備上實現(xiàn)本地化的基于深度學習的實時視頻分析，與在云端進行的同類分析相比，顯著減少了數(shù)據(jù)帶寬、存儲需求和延遲，并加強了隱私保護。CDNN2結(jié)合CEVA-XM4智能視覺處理器，在用于智能手機、先進駕駛輔助系統(tǒng)(ADAS)、監(jiān)控設(shè)備、無人機、機器人和其它具有相機功能的智能設(shè)備上的嵌入式系統(tǒng)中實施機器學習，顯著縮短了上市時間并具有低功耗優(yōu)勢。

　　CDNN2在CEVA第一代神經(jīng)網(wǎng)絡(luò)軟件框架(CDNN)成功的基礎(chǔ)上構(gòu)建，后者已經(jīng)被多家客戶和合作伙伴采用。CDNN2增添了谷歌機器學習軟件庫TensorFlow的支持，并且為極其復雜的最新網(wǎng)絡(luò)拓撲和層級提供更好的功能和性能，還支持全卷積網(wǎng)絡(luò)，從而允許任何給定的網(wǎng)絡(luò)使用任何分辨率作為輸入。

　　谷歌TensorFlow移動/嵌入式團隊領(lǐng)導Pete Warden評論道：“很高興看到CEVA支持TensorFlow應(yīng)用。功耗是在嵌入式設(shè)備中成功使得深度學習發(fā)揮潛力的關(guān)鍵，CEVA低功耗視覺處理器和CDNN2框架能夠幫助各種各樣的開發(fā)人員在其設(shè)備中使用TensorFlow。”

　　CDNN2使用一組增強API，可以提升總體系統(tǒng)性能，包括從CPU直接卸載各種神經(jīng)網(wǎng)絡(luò)相關(guān)任務(wù)至CEVA-XM4，這些增強功能結(jié)合“按鈕”，可自動將預(yù)訓練網(wǎng)絡(luò)轉(zhuǎn)化到CEVA-XM4上無縫運行，增強的CDNN2為開發(fā)嵌入式視覺系統(tǒng)提供了顯著的上市速度和功率優(yōu)勢。CDNN2生成基于CEVA-XM4圖像和視覺DSP的更快速網(wǎng)絡(luò)模型，與基于CPU和GPU系統(tǒng)相比，顯著降低了對功耗和存儲帶寬的需求。要觀看CDNN2 的demo，點擊這里。

　　嵌入式視覺聯(lián)盟(Embedded Vision Alliance)創(chuàng)始人Jeff Bier評論道：“今天，從汽車至無人機和家用電器在內(nèi)許多類型系統(tǒng)的設(shè)計人員正在其產(chǎn)品中加入嵌入式視覺以提升安全性、自主性和功能性。我熱烈歡迎CEVA使用深度學習神經(jīng)網(wǎng)絡(luò)推動實施低成本、低功耗的智能視覺部署?！?/p>

　　CEVA營銷副總裁Eran Briman評論道：“我們在第二代深度學習神經(jīng)網(wǎng)絡(luò)框架中實現(xiàn)的提升，是我們與CEVA-XM4客戶和合作伙伴累積豐富現(xiàn)場工作經(jīng)驗所取得的成果。他們正在使用CDNN開發(fā)和部署深度學習系統(tǒng)，用于包括無人機、ADAS和監(jiān)控的廣泛終端市場。特別地是支持TensorFlow生成網(wǎng)絡(luò)是一項關(guān)鍵的增強特性，確保我們的客戶能夠在下一代AI設(shè)備中充分利用谷歌功能強大的深度學習系統(tǒng)?！?/p>

　　CDNN2旨在用于目標識別、先進駕駛輔助系統(tǒng)、人工智能、視頻分析、增強現(xiàn)實(AR)、虛擬現(xiàn)實(VR)和類似的計算機視覺應(yīng)用。CDNN2軟件庫作為源代碼提供，擴展了CEVA-XM4現(xiàn)有的應(yīng)用開發(fā)套件(ADK)和計算機視覺庫CEVA-CV，它具有靈活性和模塊性，能夠在廣泛的網(wǎng)絡(luò)應(yīng)用那個支持任一完整的CNN實施方案或特定層。這些網(wǎng)絡(luò)包括AlexNet、 GoogLeNet、ResidualNet (ResNet)、SegNet、VGG (VGG-19、VGG-16、VGG_S)和 Network-in-network (NIN)等。CDNN2支持最先進的神經(jīng)網(wǎng)絡(luò)層，包括卷積、去卷積、池化、全連接、softmax、concatenation和上采樣(upsample)，以及各種初始模型。它支持全部網(wǎng)絡(luò)拓撲，包括Multiple-Input-Multiple-Output、每級多層、全卷積網(wǎng)絡(luò)，以及線性網(wǎng)絡(luò)(比如Alexnet)。

　　CDNN2框架的主要組件是離線CEVA網(wǎng)絡(luò)生成器，只要按下按鈕便可將預(yù)訓練的神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)化為嵌入式友好的定點網(wǎng)絡(luò)。CDNN2解決方案包含基于硬件的開發(fā)套件，可讓開發(fā)人員不僅在仿真中運行網(wǎng)絡(luò)，還可簡便地在CEVA開發(fā)板上實時運行網(wǎng)絡(luò)。

　　如要了解更多有關(guān)CDNN2的信息，請訪問公司網(wǎng)站http://launch.ceva-dsp.com/CDNN2。