Düsseldorf, 2022年12月15日-瑞萨电子公司先进半导体解决方案的主要供应商(TSE:6723)和全球多核CPU/GPU/FPGA加速技术领导者Fixstars Corporation今天宣布联合开发一套工具,用于优化和快速模拟自动驾驶(AD)系统和专门为瑞萨R-Car片上系统(SoC)设备设计的高级驾驶辅助系统(ADAS)软件。这些工具使得从软件开发的初始阶段就利用R-Car的性能快速开发具有高度精确目标识别的网络模型成为可能。这减少了开发后的返工,从而有助于缩短开发周期。
瑞萨汽车软件开发部副总裁Hirofumi Kawaguchi表示:“瑞萨继续创建集成开发环境,使客户能够采用‘软件优先’的方法。“通过支持为R-Car量身定制的深度学习模型的开发,我们帮助客户构建AD和ADAS解决方案,同时还缩短了上市时间和开发成本。”
“R-Car GENESISFixstars的首席执行官Satoshi Miki表示:“这是一个基于云的评估环境,是我们与瑞萨共同构建的,允许工程师在开发周期的早期评估和选择设备,并且已经被许多客户使用。”“我们将继续开发新技术,以加速机器学习操作(MLOps),用于维护汽车应用软件的最新版本。”
今天的AD和ADAS应用程序使用深度学习来实现高度精确的物体识别。深度学习推理处理需要大量的数据计算和内存容量。汽车应用程序上的模型和可执行程序必须针对汽车SoC进行优化,因为在有限的算术单元和内存资源下进行实时处理是一项具有挑战性的任务。此外,必须加快从软件评估到验证的过程,并需要反复应用更新来提高准确性和性能。瑞萨和Fixstars开发了以下工具来满足这些需求。
- R-Car神经结构搜索(NAS)工具,用于生成针对R-Car优化的网络模型
该工具生成深度学习网络模型,有效地利用了R-Car设备上的CNN(卷积神经网络)加速器、DSP和内存。这使得工程师能够快速开发轻量级网络模型,即使没有对R-Car架构的深入了解或经验,也能实现高精度的对象识别和快速处理时间。
- R-Car DNN编译器用于编译R-Car的网络模型
这个编译器将优化的网络模型转换为可以充分利用R-Car的性能潜力的程序。它将网络模型转换为可以在CNN IP上快速运行的程序,并执行内存优化,以使高速、有限容量的SRAM能够最大化其性能。
- R-Car DNN模拟器,用于快速模拟编译程序
该模拟器可用于在PC上快速验证程序的操作,而不是在实际的R-Car芯片上。使用这个工具,开发人员可以生成与R-Car相同的操作结果。在模型轻量化和程序优化过程中,如果推理处理的识别精度受到影响,工程师可以立即反馈给模型开发,从而缩短开发周期。
瑞萨和Fixstars将继续合作开发深度学习软件。汽车软件平台实验室,并通过不断更新网络模型来构建维持和提高识别精度和性能的操作环境。
可用性
目前可用的第一套工具是为R-Car V4H SoC用于AD和ADAS应用,结合了强大的深度学习性能,高达每秒34兆运算(TOPS)和卓越的能源效率。如需更多资讯,请浏览:https://www.renesas.com/software-tool/tools-optimize-ai-software-adadas-r-car-soc
关于瑞萨电子公司
瑞萨电子有限公司(谢霆锋:6723)赋予一个更安全、更智能、更可持续的未来,让科技让我们的生活更轻松。一个主要全球瑞萨作为微控制器供应商,结合我们在嵌入式处理、模拟、电源和连接方面的专业知识,提供完整的半导体解决方案。这些成功的组合加快了汽车、工业、基础设施和物联网应用的上市时间,使数十亿个互联智能设备成为可能,改善人们的工作和生活方式。欲知详情,请浏览renesas.com.跟着我们LinkedIn,脸谱网,推特,YouTube而且Instagram.
关于Fixstars公司
Fixstars致力于“加快您的业务”。
结合我们在多核处理器编程方面的专业知识和下一代内存技术的使用,我们提供最佳的性能解决方案,以及节能,以加速客户在各个领域的业务。如需更多资讯,请浏览:https://www.fixstars.com/en/