a&s 功能实测比特大陆AI边缘计算模组算丰SM5( 三 ) 同时

----a&s 功能实测比特大陆AI边缘计算模组算丰SM5//----

　　上图是16路1080P的满帧处理情况，仅仅为初步部署，并未进行优化。用户可以自行开发算法软件，并进行适度优化，完全有可能实现单个模组超过16路甚至30路视频流的人脸检测分析，或者视频结构化的业务分析能力，可以说在应用端到端的算力非常强大。

　　SM5模组的实际应用算力实测非常强，相应的神经网络模型速度肯定也很快。 as将SM5模组、Nvidia TX2模组，以及Huawei ATLAS 200模组做了性能实测比对，在几种典型的神经网络分类模型测试中，吞吐数据如下表：

----a&s 功能实测比特大陆AI边缘计算模组算丰SM5//----

　　测试数据来源为比特大陆实验室

　　从实测结果来看，在性能上， SM5相比TX2有十倍级别的性能优势。相比ATLAS 200 ，虽然理论峰值标称算力SM5和ATLAS200很接近(17.6T vs 16T) ，但是从实测来看， SM5的性能倍数在最典型Resnet 50上有1.5倍的优势，在Mobilenet上有2.38倍的优势!这说明，标称算力和实际获得的算力具有一定的差别。算丰SM5具有较高的有效计算利用率。

----a&s 功能实测比特大陆AI边缘计算模组算丰SM5//----

a&s 功能实测比特大陆AI边缘计算模组算丰SM5。　　总的来看，无论是实际应用的性能，还是神经网络模型的速度吞吐， SM5模组都是很强大的，和业内其他产品相比也有较大的优势。

　　工具链完备，易用度高

　　对于开发者而言，都希望开发简单易用，特别是从CPU ， GPU等的以前的模型和算法，能够比较轻易的转到新的AI硬件上来。而比特大陆的算丰AI芯片的多种产品(板卡、模组、盒子) ，保持统一的工具链和系统软件。

　　其中工具链完备，开发友好：

　　包括底层驱动环境、编译器、推理部署工具等一系列软件工具;

　　支持Caffe、Tensorflow、PyTorch、PaddlePaddle等深度学习框架，离线编译和校准工具易用;

　　完备的性能监控工具、神经网络运行库、视频编解码库、图像编解码库、图像处理库;

　　可提供算法测试用例，包括人脸检测、物体检测等。

　　可应用场景广泛

　　比特大陆算丰AI计算模组SM5的定位是被集成，所以应用场景是多种多样的，包括了AI边缘计算服务器，智能NVR ， AI边缘计算盒，机器人，大中型无人机等等。模组的主要功能就是进行视觉AI的计算，能够为传统产品附加AI功能，支持人脸检测与识别、面部表情分析、物体检测与识别、车牌识别、声纹识别等，可应用于人脸识别、自动驾驶、城市大脑、智能安防、智能医疗等人工智能场景，应用领域广泛。