神经网络协同处理器降低视觉处理功耗

套件

　　Thompson指出，由于CNN存在一定的复杂度，就算采用了EV硬体，为特定视觉处理应用推出适合的演算法组合仍然是一项困难的任务。为了协助开发商减轻一些责任，Synopsys提供了一套完整的工具库与参考设计，让开发人员能更有效率地建构、除错、配置，以及利用业界标准且开放源码的嵌入式视觉工具链OpenCV和OpenVX，为其嵌入式视觉系统实现最佳化。

　　该最佳化的工具套件内含ARC EV处理器，以及超过2，500项OpenCV功能，可实现即时电脑视觉。此外，该工具套件还提供具有43种标准电脑视觉核心的OpenVX架构，可实现边缘侦测、建立影像金字塔以及光流评估，这些功能均已为执行于EV处理器实现最佳化。

　　Thompson还表示，由于EV处理器是可编程的，因而可加以训练用于支援任何物件检测图，以及导入新的OpenVX核心定义。一次OpenVX的运行时间可将排列的核心执行分配在EV处理器的多个执行单元上，从而简化了该处理器的编程。

　　在用于设计EV核心时，可透过ARChitect工具发表与配置ARC EV处理器。该工具合成了可整合于任何SoC设计的RTL，以支援任何主处理器，包括ARM、英特尔、Imagination MIPS与PowerPC等。为了进一步加速软体开发，虚拟原型机将可用于EV处理器，以及支援基于FPGA的原型设计，在制造晶片之前实现硬体和软体协同设计。

　　"嵌入式视觉是一个快速变化的环境，"Thompson说，"现在，CNN看来是最佳的发展方向。但是，未来也可能发生改变。除了找到能够满足当今应用的成本和功耗需求的解决方案以外，我们希望为开发人员提供一种更有效的方法，在中期改变其设计任务，而无需回到起点重新设计。"