（文章來源：EEWORLD）

隨著人工智能、機器學習技術和物聯網的興起，應用開始向收集數據的網絡邊緣遷移。為縮小體積、減少產熱、提高計算性能，這些邊緣應用需要節能型的解決方案。Microchip Technology Inc.（美國微芯科技公司）發布的智能嵌入式視覺解決方案，致力于讓軟件開發人員可以更方便地在PolarFire?現場可編程門陣列（FPGA）內執行算法，進而滿足邊緣應用對節能型推理功能日益增長的需求。作為Microchip嵌入式解決方案組合的重要新成員，VectorBlox加速器軟件開發工具包（SDK）可幫助軟件開發人員在不學習FPGA工具流的前提下，利用Microchip PolarFire FPGA創建靈活的低功耗覆蓋神經網絡應用。

FPGA是邊緣人工智能應用（例如功耗受限的計算環境下的推理功能）的理想選擇，因為FPGA擁有更高的運算能力（GOPS），能耗比中央處理器（CPU）和圖形處理器（GPU）更優。但是，FPGA需要操作人員具備專業的硬件設計技能。Microchip的VectorBlox加速器SDK可幫助開發人員在不具備FPGA設計經驗的前提下用C/C++語言進行編碼，對節能神經網絡進行編程。

這一高度靈活的工具包能夠以TensorFlow和開放神經網絡交換（ONNX）的格式執行模型，最大程度地提升框架的互操作性。ONNX支持Caffe2、MXNet、PyTorch和MATLAB?等眾多框架。與其他FPGA解決方案不同的是，VectorBlox加速器 SDK在Linux?和Windows?操作系統上均可使用，且包含精度達到比特級的模擬器。利用模擬器，用戶可以在軟件環境中驗證硬件的精度。此外，利用VectorBlox 加速器 SDK包含的神經網絡IP，用戶可在運行期間加載不同的網絡模型。

Microchip FPGA事業部副總裁Bruce Weyer表示：“為確保軟件開發人員能充分利用FPGA的節能特點，我們應設法使開發人員不再需要學習新的FPGA架構和專屬工具流，同時讓他們可以靈活地連接多框架和多網絡解決方案。利用VectorBlox 加速器 SDK和神經網絡IP核，軟件和硬件開發人員可以在PolarFire FPGA上部署極其靈活的覆蓋神經網絡卷積架構。通過PolarFire FPGA，他們可以更輕松地構建和部署在外形尺寸、產熱和功耗方面達到一流水準的人工智能邊緣系統。”

在邊緣執行推理功能時，PolarFire FPGA的總功耗比同類競爭產品低50%，同時數學模塊的容量比同類競爭產品高25%，每秒運算次數（TOPS）高達1.5萬億次。開發人員還可憑借PolarFire FPGA固有的易升級性和將不同功能集成至單個芯片上的能力，更好地實施定制，實現差異化。PolarFire FPGA神經網絡IP有多種尺寸可供選擇，可在性能、功耗和封裝尺寸之間實現平衡和取舍，符合應用需求，最小封裝尺寸可以達到11×11mm。

去年7月發布的Microchip智能嵌入式視覺解決方案旨在為硬件和軟件開發人員提供工具、知識產權（IP）核和電路板，以滿足邊緣應用對低發熱和小封裝的要求。相比其他解決方案，PolarFire FPGA的功耗更低。因此，客戶不再需要在機殼內設置風扇。此外，客戶在設計中利用PolarFire FPGA可實現功能整合。例如，在智能攝像頭等應用中，PolarFire FPGA可以將傳感器接口、DDR控制器、圖像信號處理（ISP）IP和網絡接口集成至圖像信號管中，并整合機器學習推理功能。

（責任編輯：fqj）