reVISION惊艳登场，Xilinx让视觉导向机器学习更简单！

同的类型和技术传感器，而且还能够支持这些传感器的集成和融合。

从响应速度和可重配置来看，赛灵思的reVISION都非常出众

4、reVISION 堆栈如何使用？

针对客户的视觉应用机器学习，赛灵思除了提供软件堆栈以外，还有硬件的平台和传感器，使得客户可以很快上手。如图的嵌入式视觉开发套件，从28nm的Zynq到最新的16nm MPSOC都有覆盖。

"赛灵思有几百家客户在做基于视觉的系统，还有几十家客户在做机器学习，要把机器学习与计算机视觉相结合。客户需要投入特殊的开发资源，随着reVISION的推出，能够消除机器学习广泛采用所面临的很多障碍。"Steve 强调。

赛灵思 reVISION 堆栈包括用于平台、算法和应用开发的丰富的开发资源，支持最流行的神经网络（诸如 AlexNet、GoogLeNet、SqueezeNet、SSD 和 FCN）以及库元素（如 CNN 网络层的预定义优化型实现方案，这也是构建定制神经网络 DNN/CNN 所需的）。配合丰富的满足加速要求的 OpenCV 功能，支持机器视觉处理。

对应用层面的开发来说，赛灵思支持流行的框架，包括用于机器学习的 Caffe 和用于计算机视觉的 OpenVX（将于 2017 年下半年推出）。reVISION 堆栈还包括赛灵思和第三方提供的基于 Zynq SoC 和 MPSoC 的开发平台。

reVISION 开发流程从 熟悉的C、C++ 和/或 OpenCL 语言及相关编译器技术的基于 eclipse 的开发环境（即 SDSoC 开发环境）启动。在 SDSoC 环境中，软件工程师和系统工程师能以 reVISION 硬件平台为目标，并采用大量的加速就绪型计算机视觉库，很快还能采用OpenVX框架，从而快速构建应用。

对于机器学习，可用 Caffe 等流行的框架来培训神经网络，用 Caffe 生成的 .prototxt 文件对基于 ARM 的软件调度器进行配置，从而驱动专门为可编程逻辑预先优化的CNN 推断加速器。

对计算机视觉和其他专有算法来说，用户可对软件代码进行特征分析，发现瓶颈，并在代码中标出希望加速并进行"硬件优化"的特定功能。"系统优化编译器"则用来创建加速的实现方案，包括处理器/加速器接口（数据移动器）和软件驱动器。结合计算机视觉和机器学习功能，该编译器能创建优化的融合实现方案。
实际开发流程

Steve 介绍了利用reVISION堆栈的开发流程。

reVISION堆栈的开发流程

客户可以首先获得我们的reVISION堆栈，然后有一个带有Zynq和MPSoC的开发板，开发板有传感器，且都是经过预先验证的。在机器学习方面，赛灵思会预装比特流或者配置定制神经网络层用于应用和Zynq器件的快速优化。

客户的应用和算法的工程师会选择他们非常熟悉的框架，赛灵思首要支持的Caffe框架来支持他们的开发应用。然后客户可以使用本地的数据中心来进行训练，做到合适的网络配置，Caffe输出文件就会进入到解决方案当中，然后创建出一个优化的实施方案用于虚拟技术，然后会有一个非常快速的编译过程，对预优化的CNN层进行定时，定制的神经网络层是由ARM处理器来控制，整个编译过程会非常快，之后整个机器学习的应用会非常快的在目标器件上运行。

这个流程是把视觉类机器学习简化了很多

Steve表示未来的智能视觉系统不仅要会思考，而且还能对情境立即做出"响应"。因此机器学习开发方案要适应神经网络理论和算法的不断演化，要具备软硬件的可重配置和升级，此外还要支持广泛的互联性，能进行云端通信，赛灵思的方案都支持上述需求。通过高效的推断和控制，赛灵思实现了传感器的最快响应时间，支持最新的神经网络，算法和传感器的可重构性，并支持与传统或新机器、网络和云的任意连接。

期待机器学习领域赛灵思推出更多有差异化的细分方案。

针对reVISION堆栈的福利活动

庆祝赛灵思reVISION堆栈推出，本微信号特别推出福利活动，凡是转发本条微信，将转发截图发到我微信号朋友将可以进入"FPGA技术交流群"参加红包抽奖，奖品为赛灵思独家制作的reVISION堆栈纪念款T恤！