搭载神经计算引擎的英特尔® Movidius™ Myriad™ X 视觉处理单元 (VPU)
使用英特尔的 Movidius 视觉处理单元 (VPU) 家族将您的成像、计算机视觉和机器智能应用程序纳入网络边缘设备。
英特尔® Movidius™ Myriad™ X 视觉处理单元 (VPU) 概览
| 特性 | 优势 |
|---|---|
| 神经计算引擎 |
借助这款适用于深度神经网络的片上加速器，英特尔® Movidius™ Myriad™ X 视觉处理器提供每秒超过 1 万亿次运算的 DNN 推理性能。1在不牺牲功耗或准确性的情况下在边缘实时运行深度神经网络。 |
| 16 个可编程的 128 位 VLIW 矢量处理器 |
通过针对计算机视觉工作负载进行了优化的 16 个矢量处理器，灵活地运行多个并行的成像和视觉应用程序管道。 |
| 16 条可配置的 MIPI 通道 |
通过将多达 8 个高清分辨率 RGB 摄像头直接连接到英特尔® Movidius™ Myriad™ X 视觉处理器，从而支持每秒高达 7 亿像素的图像信号处理吞吐量。 |
| 增强的视觉加速器 |
利用 20 多个硬件加速器来执行诸如光流和立体声深度之类的任务，而不会产生额外的计算开销。例如，新的立体声深度加速器可以同时处理 6 个摄像头输入（3 个立体声对），其中每个摄像头输入以 60 Hz 帧频运行 720p 分辨率。 |
| 2.5 MB 同质化片上内存 |
集中式片上内存架构允许最高 400 GB/秒的内部带宽，通过最小化片外数据传输来尽可能减少延迟并降低功耗。 |
超低功耗，卓越性能
英特尔® Movidius™ Myriad™ X 视觉处理器为计算机视觉和深度神经网络推理应用提供出色性能。作为以超低功耗著称的 Movidius 视觉处理器家族的一员，英特尔® Movidius™ X 视觉处理器可以提供每秒超过 4 万亿次运算 (TOPS) 的总体性能。2凭借新的性能增强技术，英特尔® Movidius™ X 视觉处理器成为了一种高能效解决方案，可将先进的视觉和人工智能应用引入无人机、智能相机、智能家居、安全、VR/AR 头戴式耳机和 360 相机等设备。
新一代深度神经网络性能
英特尔在英特尔® Movidius™ Myriad™ X 视觉处理器架构中引入了全新深度神经网络处理单元：神经计算引擎。神经计算引擎经过专门设计，可以高速、低功耗地运行深度神经网络，使英特尔® Movidius™ Myriad™ X 视觉处理器能够在神经网络推理上达到超过 1 TOPS 的计算性能。1 神经计算引擎被集成作为高能效的 Movidius 视觉处理器架构的一部分，通过减少片上数据移动将功耗降至最低。基于英特尔® Movidius™ Myriad™ X 视觉处理器架构，神经计算引擎结合 16 个 SHAVE 内核在执行神经网络推理时可实现的每秒最大神经网络推理运算次数（每秒 9,160 亿次）是 Movidius Myriad 2 视觉处理器的 SHAVE 处理器能够实现的每秒最大神经网络运算次数（每秒 800 亿次）的 10 倍以上。1
可定制的成像和视觉管道
Movidius VPU 家族始终提供独特、灵活的图像处理、计算机视觉和深度神经网络架构。该架构提供了一种用于配置成像和视觉工作负载的模块化方法，因为它结合了一组成像和视觉硬件加速器（例如立体声深度或神经计算引擎）以及一系列 C-可编程 VLIW 矢量处理器，所有这些处理器均可访问常见的片上内存。除了交叉存取的计算机视觉和深度神经网络推理应用程序管道外，这种方法还可以实现出色的图像信号处理 (ISP)，而无需进行内存访问以实现最佳的电源效率，所有这些都源自一种通过使数据移动最小化来降低功耗的数据流方法 。Movidius VPU 可在低功耗情况下在可编程性和性能之间实现最佳平衡。
支持 8 个高清传感器和 4K 编码
英特尔® Movidius™ Myriad™ X 视觉处理器拥有 16 条 MIPI 通道，支持直连多达 8 个高清分辨率 RGB 传感器。高吞吐量内联 ISP 可确保高速处理数据流，而新的硬件编码器则以 30 Hz (H.264/H.265) 和 60 Hz (M/JPEG) 帧率支持 4K 分辨率。其他特色接口包括 USB 3.1 和 PCIe* Gen 3。
软件开发套件 (SDK) 和工具
英特尔® Movidius™ Myriad™ X 视觉处理器附带了一个丰富的 SDK，其中包含所有软件开发框架、工具、驱动程序和库，用于在英特尔® Movidius™ Myriad™ X 视觉处理器上实现自定义成像、视觉和深度学习应用。该 SDK 还包括一个专用的 FLIC 框架，该框架具有用于开发包括图像处理、计算机视觉和深度学习在内的应用程序管道的插件方法。这个框架会帮助开发人员专注于处理，将数据流优化留给工具去完成。对于深度神经网络开发，SDK 包含一个神经网络编译器，有了它，开发人员可以用一种自动转换和优化工具从通用框架（例如 Caffe *和 TensorFlow*）快速移植神经网络，这种工具可以在保持网络模型准确性的同时使性能最大化。