登录社区云,与社区用户共同成长
邀请您加入社区
比如你写的是接收到指定的数据就亮灯或者灭灯,或者串口转发(此处新手最易犯错误,根本没搞清楚哪个串口接收数据,哪个串口发送数据,也是我被问的最多的一个问题)。如果是插入USB线缆供电,请确认不要在IDE连接OpenMV,或者任何串口助手连接OpenMV的USB串口,因为这时会启用REPL,会中断main.py的程序。用万用表测量3.3V引脚,如果读数不正常(小于3V),说明你电脑的USB口有问题,或
改进后的算法不仅利用了PCA算法的全局特征提取能力,还结合了LBP技术对局部特征的敏感性,从而在特征向量之间的距离计算中,更准确地反映人脸的差异。在人脸识别系统中,PCA算法首先对人脸图像进行预处理,包括灰度化、归一化等操作,以消除光照、表情等因素对图像的影响。随后,PCA通过计算图像数据的协方差矩阵,提取出一组特征向量,这些特征向量被称为“特征脸”,它们能够有效地表示人脸图像的主要特征。PCA算
愿各位像烧写好的比特流一样,一次点亮,全程稳定。事业版图如集成电路般精密布局,每一次“触发”都能捕获到幸福的高电平!在马年的赛道上算力全开,主频拉满。不仅有高集成度的才华,更有高可靠性的运气,乘风而上,势不可挡!愿各位新的一年,人生像顶级 FPGA 一样全可编程,未来可重构。所有的努力都能建立有效链路,所有的梦想都能完成逻辑闭环。Bug 退散,时序收敛,万事全同步!愿我们都能像 FPGA 一样,在
MT8390 (Genio 700) 是一款高性能的边缘 AI 物联网平台,广泛应用于智能家居、交互式零售、工业和商业等领域。它采用6nm工艺,双核Cortex-A78(2.2GHz)+六核Cortex-A55(2.0GHz),Mali-G57 GPU,4TOPS NPU算力,支持双4K显示(4K@30fps+4K@60fps),双摄像头(32MP@30fps),丰富接口(PCIe/USB/CAN
T32NQ是君正科技推出的新一代智能视频处理器,专为移动安防、视频通话等应用设计。该芯片集成4K ISP处理单元和H.264/H.265/JPEG编码器,支持3840×2160@25fps视频处理。核心特点包括:1.2GHz XBurst® CPU、1TOPS AI算力、动态带宽优化技术;具备12bit图像输入、HDR/WDR处理、多级降噪等先进ISP功能;集成音频编解码、温度传感器等模块,显著降
随着人工智能模型规模的爆炸式增长,单个GPU已无法满足训练和推理的算力与存储需求,需要多个GPU协同工作。这催生了GPU之间高速互连总线技术的发展,以实现“scale-up”(单台服务器内部多GPU互联)和(多台服务器GPU集群互联)的性能扩展。在scale-up场景中,GPU–GPU直接互连总线可绕过传统经过CPU内存的通信路径,大幅提升带宽、降低延迟;在scale-out场景中,则需高速网络将
基于Xilinx UltraScale+16 nm VU37P芯片方案基础上研发的一款四口100 G FPGA光纤以太网PCI-Express v3.0 x16智能加速计算卡,该智能卡拥有高吞吐量、低延时的网络处理能力以及辅助CPU进行网络功能卸载的能力,达到节约CPU算力,降低CPU占用同时也降低功耗。光纤连接器为QSFP28,支持100G支持以太网等协议。在35°C下90%不凝结相对湿度。4个
此外,如今已有先进的仿真工具,可以在设计早期对方案进行可行性验证,并快速评估变更的影响。借助这些工具,开发者不仅能节省时间和成本,还能尝试更多创新性的设计思路,甚至为未来的芯片迭代建立模板。总体来看,功耗、发热、时序三者之间相互影响、环环相扣:更高的功耗会增加发热风险,时序优化会占用额外的空间资源,而热限制又会约束算力发挥。然而,只有在设计中充分考虑功耗、散热、时序等制约因素,并做到平衡取舍,FP
FPGA在AI、工业自动化领域需求激增,学习者常陷硬件门槛高、技术碎片化、调试无方向困境。本文结合实战经验,拆解4步学习路径与辅助技巧,帮零基础者避坑,同步搭建技术交流渠道助力入行。AI算力、工业自动化、边缘智能等领域的爆发,让FPGA工程师成为企业争抢的核心人才。但多数学习者难逃“入门难、实战弱、无人带”的困境,要么半途而废,要么仅懂语法却做不出完整项目。下面就拆解一套经实战验证的可落地学习路径
而如果你对硬件有足够的热情,你会发现:传统用 MCU 实现 FOC(Field-Oriented Control,磁场定向控制)也能“搬”到 FPGA 上运行,并大大提升实时性和可扩展性。FOC控制算法对传感器采样速率和处理器算力提出了一定的要求,使用 FPGA 实现的 FOC 可以获得更好的实时性,并且更方便进行多路扩展和多路反馈协同。磁场定向控制(FOC)是一种现代矢量控制算法,通过将三相电机
本文介绍了openEuler操作系统对多样算力的支持能力,重点分析了FPGA在异构计算中的应用。openEuler通过优化内核调度和驱动支持,能够高效协同CPU、GPU和FPGA资源,满足高性能计算需求。文章详细阐述了FPGA在openEuler上的开发环境搭建方法,对比了CPU/GPU/FPGA的性能特性差异,并通过矩阵乘法示例展示了HLS(高层次综合)编程的优势。实践表明,openEuler结
但乘着国产化替代的东风,瑞芯微在工业控制赛道的深耕布局正不断提速,从早年主打丰富外设接口的通用型芯片,到如今集成高算力NPU的AIoT处理器,其技术迭代的步伐堪称迅猛。ARM端运行Linux系统,可设置数据包大小、数据传输的循环次数等,可对读写的数据进行校验,并打印误码率和读写速率。可模拟标准或不规则的协议,通过配置和逻辑设计,实现模拟所需时序,从而适配不同外部设备,如AD、DA、FPGA等。支持
MINILED算法,AI算力卡,无线图传,机箱副屏,手机副屏,带屏拓展坞,电竞高刷方案,视频信号转换方案,AR/VR显示方案,便携显示器方案,液晶屏驱动方案,DLP投影方案MINI LED算法方案,Locdimming算法,MINI LED背光控制方案,RGB MINILED分区等
与Microchip的SAMV71Q21 RT系列MCU相比,AS32S601的总剂量耐受能力(>150 krad(Si))略低于前者的300 krad(Si),但主频180 MHz高于SAMV71的150 MHz,在算力与成本间取得了平衡。值得注意的是,TY29星搭载的AS32S601型MCU同样表现稳定,其在轨SEU监测数据表明,Flash ECC纠错触发频率约0.02次/天,远低于设计阈值,
RK3568采用22nm制程工艺,搭载四核Cortex-A55处理器和Mali-G52 GPU,其核心亮点在于内置独立NPU(神经网络处理单元),支持INT8/INT16量化加速,典型功耗仅2W左右。NPU通过专用指令集和内存优化,相比CPU可实现5-10倍的AI推理加速,特别适合实时视频分析、工业质检等场景。关键性能指标CPUNPU:1TOPS算力,支持TensorFlow/MXNet/PyTo
一、板卡概述基于Xilinx UltraScale+16 nm VU3P芯片方案基础上研发的一款双口100 G FPGA光纤以太网PCI-Express v3.0 x16智能加速计算卡,该智能卡拥有高吞吐量、低延时的网络处理能力以及辅助CPU进行网络功能卸载的能力,达到最大化地节约CPU算力,降低C...
在高性能硬件开发中,是保证系统稳定性、可靠性和寿命的关键因素。随着处理器、GPU、FPGA 等芯片算力不断提升,功耗和发热量随之增加,如果散热设计不合理,将直接影响性能甚至导致器件损坏。本文将从热管理原理、散热方法以及工程实践出发,全面解析硬件散热设计策略。
随着云计算技术的迅速发展,AWS与GCP成为了市场上两大主流云服务平台。本文将从多个维度对比这两者的算力性价比,帮助用户在选择云计算服务时做出更加明智的决策。
本文讲的是阿里云:让异构计算走上云端 推动AI发展【IT168 评论】算法、数据和计算力是人工智能发展的三大要素。如果将人工智能比作一艘火箭,那么算法就是控制台,数据是燃料,计算力则是加速引擎。随着人工智能对计算需求的不断提升,传统计算已无法满足要求,于是异构计算应运而生,异构计算的并行效率和计算峰值超越了传统计算很多倍,是支持人工智能深度学习或数据分析...
AI芯片可按架构分为CPU、GPU、FPGA、ASIC,各架构的优缺点可参考以下文章:CPU、GPU、FPGA、ASIC等AI芯片特性及对比_cpu gpu fpga_maopig的博客-CSDN博客最近,新名词 DSA(Domain Specific Architecture,特定领域架构),可参考以下文章:https://mp.weixin.qq.com/s/dw0Btk126Ime6BF3z
璞致电子推出基于复旦微芯片的系列国产FPGA开发板,包括PZ7020F、PZ7045F等多款型号,满足工业控制、物联网等场景需求。产品采用工业级设计,具备出色可靠性、抗干扰能力和安全特性,通过EMC测试并支持数据加密。开发板提供丰富接口(千兆网口/HDMI/PCIE等)和1-8GB存储配置,核心板采用邮票孔/120P连接器设计。璞致提供完善技术支持(文档/代码/咨询),助力客户加速产品研发。公司专
基于Xilinx UltraScale+16 nm KU5P芯片方案基础上研发的一款双口100 G FPGA光纤以太网PCI-Express v3.0 x8智能加速计算卡,该智能卡拥有高吞吐量、低延时的网络处理能力以及辅助CPU进行网络功能卸载的能力,达到最大化地节约CPU算力,降低CPU占用同时也降低功耗。光纤连接器为QSFP28,支持100G支持以太网等协议。基于KU5P的双路100G光纤网络
基于XCVU13P FPGA的4路100G光纤PCIe低时延高性能计算加速卡,该加速卡采用PCIe Gen3x16, FH3/4L全高3/4长,主动散热方式,拥有高吞吐量、低延时的网络处理能力以及辅助CPU进行网络功能卸载的能力,达到节约CPU算力,降低CPU占用率同时也降低功耗的特点。光纤连接器接口采用标准QSFP28封装,支持4x100G以太网接口业务等。
随着大模型的快速的发展,人工智能正在改变嵌入式硬件系统。在今年上海国际嵌入式展的开幕主题报告中,芯原股份董事长兼总裁戴伟民博士分享说:“我们即将迎来新一轮的'牛市'。上一轮,是以2010年iphone4为代表的智能手机,正式开启移动互联网'牛市'(2013-2015)。这个时期的特点是先硬后软。而以ChatGPT为代表的大模型,将引领大算力硬件的'牛市'。这一时期,将是先软后硬。”
随着算力结构从单核走向多维异构(CPU + GPU + NPU + FPGA),编译器成为性能与能耗的中枢。Rust 在过去数年中从系统语言成长为“算力桥梁”——它连接 LLVM、MLIR、Cranelift、SPIR-V 等编译后端,实现了跨硬件的统一执行模型。本文分析 Rust 在异构计算架构中的地位与机制,Cranelift 与 JIT 编译的即时优化;Rust ↔ MLIR 的中间层抽象;
汽车毫米波雷达正在迎来大规模新旧技术替代周期。和高算力芯片、激光雷达、800万像素摄像头一样,时代抛弃你,只是时间问题。作为业界首款专用16nm成像雷达处理器,恩智浦宣布S32R45已经投入量产,并将于2022年上半年开始首次用于客户量产。作为全球毫米波雷达芯片的头部供应商,恩智浦正在带动这一波4D成像雷达升级潮加速。相比于传统毫米波雷达,4D成像雷达通过高分辨率点云来感知汽车周围环境,从而增强环
这里便于理解,我们先了解一下挖矿的发展,我们知道在比特币挖矿的过程中需要消耗算力,这个算力是机器提供的,简单来说就是让机器来计算一定难度的结果值(该结果值满足一定的要求,比如说前面必须要有18个0等)。而计算的过程交给计算机,早期大家都是用电脑的CPU来进行挖矿,后来大家使用GPU来进行挖矿。在2013年作用,低成本灵活性强的FPGA才被用于挖矿。但是随着算力要求越高,矿机厂商转而采用能效更高的A
FPGA+GPU异构架构通过功能互补实现高频量化交易中"实时性"与"复杂性"的平衡:FPGA专注纳秒级实时交易链路(延迟≤200ns),GPU负责机器学习模型等复杂计算(算力达19.5TFLOPS)。三层架构设计(实时执行层、智能分析层、数据支撑层)通过PCIe4.0/5.0(延迟≤10ns)、PTP时间同步(误差≤5ns)和动态任务调度实现高效协同,满足微
基于Xilinx芯片方案基础上研发的一款双口100 G FPGA光纤以太网PCI-Express v4.0 x16智能加速计算卡,该智能卡拥有高吞吐量、低延时的网络处理能力以及辅助CPU进行网络功能卸载的能力,达到最大化地节约CPU算力,降低CPU占用同时也降低功耗。光纤连接器为QSFP28,支持100G支持以太网等协议。100GBASE, Aurora,或者4个1G/10G/25G。两路光纤分别
作为这一领域的领军企业,深圳市睿海光电科技有限公司(以下简称“睿海光电”)凭借前瞻性技术布局和智能制造能力,已实现400G QSFP-DD-DR4光模块的量产,并推出兼容性更强、交付周期更短的高性能解决方案,助力全球客户构建高效、绿色的算力基础设施。目前,400G QSFP-DD-DR4光模块已实现量产,800G产品进入客户测试阶段,1.6T光模块研发同步推进,持续领跑行业技术迭代。硅光技术的成熟
近日举办的GTC大会把人工智能/机器学习(AI/ML)领域中的算力比拼又带到了一个新的高度,这不只是说明了通用图形处理器(GPGPU)时代的来临,而是包括GPU、FPGA和NPU等一众数据处理加速器时代的来临,就像GPU以更高的计算密度和能效胜出CPU一样,各种加速器件在不同的AI/ML应用或者细分市场中将各具优势,未来并不是只要贵的而是更需要对的。
基于Xilinx UltraScale+16 nm VU33P芯片方案基础上研发的一款双口100 G FPGA光纤以太网PCI-Express v3.0 x16智能加速计算卡,该智能卡拥有高吞吐量、低延时的网络处理能力以及辅助CPU进行网络功能卸载的能力,达到节约CPU算力,降低CPU占用同时也降低功耗。光纤连接器为QSFP28,支持100G支持以太网等协议。在35°C下90%不凝结相对湿度。25
君正T41LQ是一款面向AIoT应用的SoC芯片,集成XBurst2双核处理器(1.0-1.4GHz)和RISC-V协处理器,提供1.2TOPS@int8/4.8TOPS@int4的AI算力。支持H.264/H.265/JPEG编码(4K@30fps)、专业ISP处理(3A功能)及多种视频接口。内置安全引擎、音频编解码和丰富外设接口,采用低功耗设计,适用于智能安防、机器视觉等场景。君正T系列包含T
从燃油车到智能驾驶,从工业流水线到手术机器人,CAN IP核的进化史就是一部智能硬件的进化史。在汽车电子与工业控制领域,CAN总线如同设备的“神经系统”,而CAN IP核则是芯片设计中的关键引擎。灵活适配:某国产IP支持双模式(Classic CAN / CAN FD),可定制波特率(10Kbps-8Mbps)资源优化:精简版CAN IP仅需2K LUTs(约FPGA的1%资源),适用于低功耗场景
这是新的系列教程,在本教程中,我们将介绍使用 FPGA 实现深度学习的技术,深度学习是近年来人工智能领域的热门话题。在本教程中,旨在加深对深度学习和 FPGA 的理解。用 C/C++ 编写深度学习推理代码高级综合 (HLS) 将 C/C++ 代码转换为硬件描述语言FPGA 运行验证在第一篇文章中,将解释“什么是深度学习”和“使用 FPGA 进行深度学习的好处”。什么是深度学习为了解释深度学习,有必
耳机只需要上传语音数据给APP,翻译和识别由APP实现
FPGA在深度学习领域的应用的优势
(2)通过语音识别模块与舵机模块,控制相应垃圾桶打开盖子,同时进行语音提醒;(5)当垃圾过满,一方面通过显示器进行提醒,另一方面锁定桶盖不再开启。(1)设置3个垃圾桶,分别放置可回收物、厨余垃圾、其他垃圾;(4)超声波模块检测当前各桶内垃圾量,通过显示模块进行显示;(3)开启垃圾桶后,延时5秒钟自动关闭;