Эти инструменты позволяют разрабатывать высокоточные модели нейронных сетей распознавания объектов с самых ранних этапов разработки программного обеспечения, используя возможности R-Car. Это сокращает объем работ после разработки и, следовательно, помогает сократить циклы разработки.
«GENESIS для R-Car, облачная среда оценки, которую мы разработали совместно с Renesas, позволяет инженерам оценивать и выбирать устройства на более ранних этапах цикла разработки и уже используется многими клиентами», — сказал Сатоши Мики, генеральный директор Fixstars. «Мы продолжим разрабатывать новые технологии для ускорения операций машинного обучения (MLOps), которые можно использовать для поддержания последних версий программного обеспечения в автомобильных приложениях».
Современные приложения AD и ADAS используют глубокое обучение для достижения высокоточной распознавания объектов. Обработка данных в рамках глубокого обучения требует огромных вычислительных мощностей и большой емкости памяти. Модели и исполняемые программы в автомобильных приложениях должны быть оптимизированы для автомобильного SoC, поскольку обработка в реальном времени с ограниченными арифметическими блоками и ресурсами памяти может быть сложной задачей. Кроме того, процесс от оценки программного обеспечения до верификации должен быть ускорен, а обновления должны применяться многократно для повышения точности и производительности. Компании Renesas и Fixstars разработали следующие инструменты, предназначенные для удовлетворения этих потребностей:
1. Инструмент R-Car Neural Architecture Search (NAS) для генерации сетевых моделей, оптимизированных для R-Car.
Этот инструмент генерирует модели глубокого обучения, которые эффективно используют ускоритель сверточных нейронных сетей (CNN), цифровой сигнальный процессор (DSP) и память устройства R-Car. Это позволяет инженерам разрабатывать облегченные сетевые модели, обеспечивающие высокоточное распознавание объектов и быстрое время обработки, даже без глубоких знаний или опыта работы с архитектурой R-Car.
2. Компилятор R-Car DNN для компиляции сетевых моделей для R-Car:
Этот компилятор преобразует оптимизированные сетевые модели в программы, которые могут в полной мере использовать потенциал производительности R-Car. Он преобразует сетевые модели в программы, которые могут быстро работать на IP CNN, а также выполняет оптимизацию памяти, чтобы позволить высокоскоростной SRAM с ограниченной емкостью максимально повысить свою производительность.
3. Симулятор R-Car DNN для быстрого моделирования скомпилированных программ:
Этот симулятор можно использовать для проверки функциональности программы на ПК, а не на самом чипе R-Car. С помощью этого инструмента разработчики могут получить те же результаты работы, что и R-Car. Если точность распознавания в процессе вывода изменяется во время облегчения модели и оптимизации программы, инженеры могут немедленно предоставить обратную связь команде разработчиков модели, тем самым сокращая циклы разработки.
Renesas и Fixstars продолжат разработку программного обеспечения для глубокого обучения в рамках совместной «Лаборатории автомобильной программной платформы» и будут создавать операционные среды, которые поддерживают и улучшают точность и производительность распознавания за счет непрерывного обновления сетевых моделей.
Доступность:
Первый набор инструментов, доступный сегодня, разработан для SoC R-Car V4H для приложений AD и ADAS и сочетает в себе высокую производительность глубокого обучения до 34 тераопераций в секунду (TOPS) с превосходной энергоэффективностью.
