Chips&Media成功采用 MentorCatapult High-Level Synthesis (HLS)平臺實現(xiàn)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(xiàn)了關鍵的現(xiàn)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(wǎng)絡加速器尋找最佳實現(xiàn)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(wǎng)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(xiàn)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(wǎng)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。“HLS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(wǎng)絡層進行大量數(shù)據(jù)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(jù)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(shù)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(xiàn)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。”