開發視覺導向機器學習應用，80%的工作可以扔給Xilinx了！

本刊記者 薛士然

開發視覺導向機器學習應用，80%的工作可以扔給Xilinx了！

本刊記者 薛士然

谷歌宣布開源TensorFlow，微軟開源了CNTK，百度宣布推出PaddlePaddle，亞馬遜宣布會采用MXNet作為AWS的機器學習平臺，而Facebook則同時支持兩個深度學習框架(Torch和Caffe)。2016年是機器學習大熱的一年，這種熱度在2017年依然會持續。當業內還在探討機器學習的時候，FPGA界的翹首Xilinx早已準備好了開發工具！

近日，Xilinx公司推出了 reVISION堆棧，借此也將Xilinx技術擴展至前景無限的視覺導向機器學習應用領域。Xilinx戰略與營銷高級副總裁Steve Glaser表示：有了reVISION堆棧以后，Xilinx能夠完成開發機器學習解決方案當中80%的工作，客戶只需要做完剩下的20%，就可以實現自己的應用，讓不懂得硬件設計的人也能夠享受到全可編程的優勢。

只需要做20%的工作，開發快多了

大約在一年半之前，Xilinx推出了首個軟件定義的編程環境，即SDSoC，主要針對Xilinx全可編程Zynq SoC芯片的用戶，致力于讓嵌入式應用領域大批不熟悉硬件編程的軟件及系統工程師也能獲益于這一軟硬皆可編程的可擴展SoC 平臺。雖然這一新的軟件定義設計環境幫助客戶提高了產率，但是并沒有滿足客戶的預期，客戶希望能夠提供符合行業標準的庫和框架，幫助他們縮短開發時間。

通過反復與客戶溝通，Xilinx了解到他們目前的具體需求：第一，客戶希望提高機器學習的智能性，并且系統要及時快速響應一切外部事件；第二，客戶希望能夠以非常高的效率使用非常先進的算法來運行智能化應用，而且成本和功耗都要非常低；第三，神經網絡和算法都在不停變化，而且傳感器的類型配置和組合也在不斷變化，因此客戶希望他們的系統能夠非常便捷地實現升級，而且在萬物互聯的物聯網世界，機器需要互聯，甚至還要實現與云的連接。

針對這些細化的需求，Xilinx推出了reVISION的堆棧，完成了設計所需要的80%的工作，工程師只需要完成剩余的20%，大大縮短了開發周期，在此之前這個數字可是反過來的。不僅如此，reVISION堆棧還能夠服務沒有掌握硬件方面專業知識的工程師，幫助他們使用Xilinx技術輕松、快速地開發視覺導向的智能系統。

Steve補充道，如果使機器學習在80%到90%的應用中都得到使用，需要非常專業的具有硬件知識的工程師，但事實上很多公司都缺乏這方面的硬件人才，所以他們希望既能享受到硬件編程的優勢， 又能夠使用自己熟悉的軟件編程的模式來滿足新技術提出的性能要求，而reVISION恰好弱化了對于硬件知識的依賴。

比較出來的優勢

據介紹，與同類產品相比(這里以英偉達的Tegra為例)，reVISION機器學習效率提升了6倍，在計算機視覺領域的優勢更加明顯，達到40倍以上。在實時快速響應的系統當中，最重要的參數是時延，與其他同類競爭產品相比，reVISION的時延僅僅是同類產品的1/5。

除了在響應時間方面的巨大優勢外，reVISION解決方案在可重配置性和可編程性方面也具有極大優勢，其既支持硬件可重配置和可編程，也支持軟件的可重配置和可編程。對于下一代機器學習來說，可重配置性至關重要，因為只有具有可重配置性，才能夠持續升級到最新、最好的機器學習技術。

reVISION堆棧包括平臺、算法和應用開發所需的豐富的開發資源，可支持流行的神經網絡，包括AlexNet、GoogLeNet、SqueezeNet、SSD和FCN。此外，該堆棧還提供了庫元素，包括CNN網絡層的預定義的優化型實現方案，這也是構建定制神經網絡所必需的。機器學習元素配合豐富的滿足加速要求的OpenCV系列功能用于計算機視覺處理。對應用層開發來說，Xilinx支持業界標準的框架，包括用于機器學習的Caffe和用于計算機視覺的OpenVX。reVISION堆棧還包括Xilinx及第三方提供的開發平臺，諸如各種類型的傳感器。

Steve強調，reVISION消除了向廣泛視覺導向機器學習應用擴展的障礙，而且加上可重配置加速堆棧，reVISION擴大了機器學習應用直接從端到云的開發和部署。

reVISION的使命就是要將原來各個分散的嵌入式視覺系統進化為視覺導向的自主系統，例如工廠機器人成為視覺引導的協作機器人，裝備攝像頭飛行器成為“感應與躲避”和可以自動駕駛的無人機，物理顯示和HMI成為增強現實和抬頭顯示器，前視汽車攝像頭成為無人駕駛汽車，視頻安全攝像頭成為自動監控系統，醫學成像與人眼應用成為自動醫療診斷系統。reVISION的推出，鋪平了機器學習廣泛應用的道路， 智能時代將加速到來！