【導讀】全球半導體解決方案供應商瑞薩電子宣布，將與專注于多核CPU/GPU/FPGA加速技術的全球卓越供應商Fixstars（Fixstars Corporation）聯合開發用以優化并快速模擬專為瑞薩R-Car片上系統（SoC）所設計的自動駕駛（AD）系統及高級駕駛輔助系統（ADAS）的軟件工具。借助這些工具，在軟件開發的初始階段便可充分利用R-Car的性能優勢來快速開發具有高精度物體識別功能的網絡模型，由此減少開發后返工，進一步縮短開發周期。
瑞薩電子將與Fixstars聯合開發工具套件用于優化R-Car SoC AD/ADAS AI軟件
通過快速開發優化的網絡模型和高速仿真來縮短開發周期
2022 年 12 月 15 日，中國北京訊 - 全球半導體解決方案供應商瑞薩電子 今日宣布，將與專注于多核CPU/GPU/FPGA加速技術的全球卓越供應商Fixstars（Fixstars Corporation）聯合開發用以優化并快速模擬專為瑞薩R-Car片上系統（SoC）所設計的自動駕駛（AD）系統及高級駕駛輔助系統（ADAS）的軟件工具。借助這些工具，在軟件開發的初始階段便可充分利用R-Car的性能優勢來快速開發具有高精度物體識別功能的網絡模型，由此減少開發后返工，進一步縮短開發周期。
瑞薩電子汽車軟件開發部副總裁川口裕史表示：“瑞薩持續打造集成開發環境，推動客戶充分采用‘軟件優先’的方法。此外，通過支持為R-Car量身定制的深度學習模型開發，瑞薩幫助客戶搭建AD和ADAS解決方案，同時也減少了上市時間與開發成本。”
Fixstars公司CEO三木聰表示：“GENESIS for R-Car作為我們與瑞薩聯合創建的基于云的評估環境，允許工程師在開發周期的早期評估并選擇器件，得到了眾多客戶的青睞。我們將繼續前沿技術的研發，加速可用于維護汽車應用中最新版本軟件的機器學習操作（MLOps）。”
當前的AD和ADAS應用利用深度學習來實現高精度物體識別。深度學習推理處理需要大量數據計算和內存容量。由于在有限的計算單元和內存資源下進行實時處理是一項極具挑戰性的任務，因此車載應用上的模型和可執行程序必須針對車用SoC進行優化。此外，從軟件評估到驗證的過程必須加快，并且需要反復更新以提高準確性及性能。為了滿足這些需求，瑞薩和Fixstars已經開發了以下工具。
1. 用于生成針對R-Car優化網絡模型的R-Car神經架構搜索（NAS）工具
該工具生成深度學習網絡模型，可有效利用R-Car器件上的CNN（卷積神經網絡）加速器、DSP和內存。這使工程師能夠快速開發輕量級網絡模型，即使沒有對R-Car架構的深入了解或經驗，也能實現高度準確的物體識別并獲得快速處理時間。
2.用于編譯R-Car的網絡模型R-Car DNN編譯器
該編譯器將優化的網絡模型轉換為可以充分利用R-Car性能潛力的程序。它將網絡模型轉換為可以在CNN IP上快速運行的程序，并進行內存優化，使高速、有限容量的SRAM性能最大化。
3.用于快速模擬已編譯程序的R-Car DNN模擬器
這一模擬器可用來在個人電腦（PC），而非實際R-Car芯片上快速驗證程序的運行。利用這一工具，開發人員可以生成與R-Car相同的運行結果。在讓模型更為輕巧和優化程序的過程中，如果推理處理的識別精度受到影響，工程師能夠為模型開發提供即時反饋，從而縮短開發周期。
瑞薩和Fixstars將繼續利用聯合“汽車軟件平臺實驗室”共同開發深度學習軟件，并建立操作環境，通過持續更新網絡模型來維持并提升識別精度與性能。
供貨信息
目前推出的首套工具面向AD和ADAS應用的R-Car V4H SoC而設計。其高達34TOPS（每秒萬億次運算）的強大深度學習性能與卓越的能效特性相結合。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯系小編進行處理。
推薦閱讀：
