Chips&Media成功采用 MentorCatapult High-Level Synthesis (HLS)平臺實現了首個計算機視覺 IP

　　Chips&Media通過 Catapult HLS將模塊設計/驗證時間縮短了一半，并實現了關鍵的現場可編程門陣列 (FPGA) 演示系統(tǒng)

　　Catapult HLS方法論使探索多種架構并為深度神經網絡加速器尋找最佳實現方案成為了可能。

　　Mentor?, a Siemens business今日宣布Chips&Media已成功部署 Mentor Catapult HLS平臺,，將使用深度神經網絡 (DNN) 算法設計和驗證其 c.WAVE計算機視覺 IP的實時對象檢測,。Chips&Media是一家面向片上系統(tǒng) (SoC)設計高性能、高質量視頻 IP的領先供應商,，其產品廣泛應用于汽車、監(jiān)控和消費電子領域。

　　Chips&Media需要通過減少功能驗證時間,、時序收斂、自定義和最終優(yōu)化來大幅提高生產力,，把更多時間用于機器算法和架構的研發(fā)上,，從而為客戶快速提供差異化的機器學習 IP。為實現這些目標,，他們棄用了傳統(tǒng)的手工編碼寄存器傳輸級 (RTL) 流程,，轉而采用 Catapult HLS平臺，以使用 C語言編寫算法和驗證平臺,。與同一項目中使用 RTL流程的團隊相比,，HLS設計和驗證團隊將項目時間縮短了一半。

　　“要應對以推理為目標的設備帶來的加速挑戰(zhàn),，我們認為關鍵在于使用深度神經網絡建立一個專注于功耗,、性能和面積 (PPA)并高度優(yōu)化的硬件架構，”Chips&Media首席技術官 Mickey Jeon表示,?！癏LS使我們能夠極其高效地完成這項工作。我們的項目取得了突出的成績,，我們計劃在接下來的項目中部署應用 Catapult的 HLS流程,。”

　　基于 DNN的計算機視覺處理的特征,，就是乘法/加法/累加的重復計算,，同時通過神經網絡層進行大量數據遷移。DNN是在 Caffe或 TensorFlow等框架上開發(fā)的,，然后在 C模型中捕獲其算法,。Chips&Media將此算法 C模型改進為可綜合的 C代碼，并使用 Catapult HLS平臺快速探索各種架構并綜合到 RTL中,，以找到此類設計的最佳解決方案,。

　　“根據我們的觀察,，在市場快速變化的多個應用領域，采用 Catapult HLS是提高生產力來獲得成功的唯一途徑,，”Mentor數字設計和實施解決方案總經理 Badru Agarwala表示,。“我們一直與 Chips&Media密切合作,，以確保他們平穩(wěn)過渡到 HLS,。該平臺可以讓他們專注于算法/架構設計，而不是底層實現和調試等細節(jié),，從而更快地把想法變成產品,，然后推向市場?！?/p>