神經網路解決方案指南
全新！e絡盟解決方案套件協助您開始進行下一項創新。
目前執行電腦視覺、語音辨識和訊號處理工作的智慧裝置幾乎全都使用神經網路 (NN)。對於前述應用，神經網路的效率和精確度已演進至研究者將其視為比傳統演算方式還要更精確的地步。然而，僅有少數硬體裝置可用於邊緣實作和部署這類神經網路解決方案，以進行高速即時分析。
此產品解決方案指南展示 Avnet 所出品 Ulta96-V2 上使用 Xilinx PYNQ 疊覆的二進位神經網路 (BNN) 和量化神經網路 (QNN)。使用者可實作影像辨識應用，例如使用神經網路的道路交通標誌偵測和 ImageNet 動物識別。此專案闡明如何在內嵌處理 AIoT 邊緣應用中實作硬體型高效能加速模型，不採取自有限制的軟體實作方式。
您可學習到：
- 神經網路的異質全可程式設定裝置
- 瞭解 PYNQ 和 PYNQ 疊覆
- 探索開始使用 PYNQ 和 Ultra96-V2 的最佳管道
- 神經網路和架構
- 神經網路實作上的挑戰
- 設定 Ultra96-V2 硬體以開機和使用 PYNQ Framework
- 在 Ultra96 上執行 Python Jupyter Notebook
- 設計範例 I - 道路交通標誌偵測
- 設計範例 II – 動物
所需硬體
下載解決方案指南
*必要項目