为了在R-Car V4H上高效运行在深度学习框架中学到的深度学习模型并实现实时推理处理,需要优化程序。具体来说,它包括使用R-Car上所搭载的深度学习加速器“CNNIP”以实现快速计算的程序转换、以及为充分利用所搭载的高速且小容量的SRAM进行的内存优化等。用户手动进行此类优化非常困难,需要进行大量的工作,比如深入了解目标硬件等。
该工具通过输入已学习的深度学习模型并自动应用R-Car V4H优化操作生成可快速运行的程序。此外,由于该工具是面向OSS —Apache TVM添加R-Car V4H后端而开发的,因此用户可按照编译CPU或GPU相同的操作对R-Car V4H实施性能优化。
Software title
|
Software type
|
公司
|
---|---|---|
R-Car NAS(神经结构搜索) 该工具可自动设计在R-Car上高效运行的深度学习模型
|
Model-Based Development | 瑞萨电子 |
R-Car DNN Simulator 深度学习模型R-Car程序快速模拟器
|
Simulator | 瑞萨电子 |
Hybrid Compiler 跨越不同SoCs世代的通用接口
|
Compiler/Assembler | 瑞萨电子 |
3 items
|
|
瑞萨电子汽车软件战略概述 | 博客 | 2023年1月31日 |
瑞萨电子将与Fixstars联合开发工具套件用于优化R-Car SoC AD/ADAS AI软件 | 新闻 | 2022年12月15日 |