|嵌入式开发:嵌入式神经网络的发展现状( 二 )


高度确定性的NPU 架构 , 让时序非常可预测
准确的基于层(不是基于时序或低级代码)的性能估计 , 以便任何AI研发工程师都可以快速地看到更改其训练标准(例如添加或更改使用的场景 , 或修改目标KPI)和/ 或NN 拓扑的影响
准确的离线性能估算 , 使所有的NN优化都可以在第一个硬件可用之前进行(因为第一个原型总是稀缺的!)
最后检查
【|嵌入式开发:嵌入式神经网络的发展现状】当然 , 当芯片和硬件原型可用时 , 测量最终硬件是至关重要的 。 这种嵌入式开发环境中实时硬件分析功能的可用性使工程师可以访问由此类工具支持的NPU 内的一系列深度嵌入式硬件寄存器和计数器 。 虽然芯片开销很小(因为许多NPU由内存而非逻辑主导) , 但这些功能可以在执行期间实现前所未有的、非侵入性的实时性能测量 。 然后 , 这可用于直接与离线性能估计器结果进行比较 , 以确认准确性 。

相关经验推荐