人工知能と機械学習の世界ではマシンビジョンが話題になっていますが、1つ明らかなことは、どのプラットフォームを選択するかに注意しないと、大量の電力とスペースを消費してしまう可能性があるということです。スペースの制約とともに消費電力が重要な要素である場合は、Microchip PolarFire FPGAとVectorBloxプラットフォームを検討することをお勧めします。
PolarFire FPGAは、競合するミッドレンジFPGAに比べて総消費電力がはるかに少なく (実際には30 ～ 50% 低い)、電力使用量を最小限に抑えながら集中的なデータ分析を必要とするエッジ デバイスに最適です。これにより、ビデオから画像処理、そして小型フォームファクターで高いパフォーマンスが求められる多くの機械学習アプリケーションまで、さまざまなアプリケーションで活用できるカテゴリに分類されます。電力使用量を削減することで、追加のヒートシンクやサーマルファンが不要になり、パッケージ全体のサイズがさらに縮小されます。
次世代の組み込みビジョン製品またはシステムをテストおよび設計するためのシームレスな開発パッケージとして、PolarFireビデオ キット (MPF300-VIDEO-KIT-NS) をご覧ください。ハードウェア プラットフォームに加えて、もちろん、TensorFlowとONNXのニューラル ネットワークをバイナリ ラージ オブジェクト (BLOB) にコンパイルし、フラッシュに保存して実行時にメモリにロードするための完全なアクセラレータSDKであるVectorBloxもあります。VectorBloxを使用すると、ニューラル ネットワークをFPGAに簡単に移植および開発できるため、豊富な経験がなくても設計者に必要なツールとリソースを提供できます。
したがって、開発時間、消費電力、フォーム ファクターを削減するエッジ デバイス向けの最適化されたソリューションが必要な場合は、MicrochipのPolarFire FPGAが検討すべきプラットフォームです。設計スペースの一部にさらなるレベルのインテリジェンスをもたらす、完全なパーツ ファミリと幅広いドキュメント サポートをご覧ください。これに幅広いコンポーネントのポートフォリオを組み合わせると、Microchipと連携することは簡単な決断になります。