【】百度EdgeBoard深度学习计算卡全系家族硬件解析( 二 )


FZ5计算卡产品延续了FZ9计算卡的产品形态 , 采用核心板+扩展板双层设计方案 , 具有多视频输入接口 , VCU(Video Codec Unit)硬核解码 , 对视频的输入处理采用流水线设计 , 实现高吞吐量和低时延 , 具有极佳的功耗性能比 。产品可以广泛应用于具有硬解码需求的视频图像推理 , 满足安防监控、工业质检、自动驾驶等行业需求 。
【】百度EdgeBoard深度学习计算卡全系家族硬件解析
文章图片

文章图片

EdgeBoard FZ5计算卡
2-4 FZ3系列计算卡
EdgeBoard FZ3系列计算卡是基于XAZU3EG芯片的计算卡 , 处理器ZU3芯片内置四核Cortex-A53和核心FPGA可编程逻辑模块;PL端资源DSP Slices 360 , 实测计算性能达1.2Tops , 片上存储BRAM达7.6Mb 。
FZ3计算卡产品具有高集成性的设计方案 , 板卡尺寸为80*70mm , 具有usb3.0、bt1120、mipi、网络等多视频输入接口 , 板载2GB 64bit位宽的 DDR4 , 整体功耗仅5W左右 , 极佳的功耗性能比 。对于FZ3产品具有的高性能、低功耗、低成本、小体积的特点 , 产品可以广泛应用于科研教学、智能零售、安防监控等行业 。
【】百度EdgeBoard深度学习计算卡全系家族硬件解析
文章图片

文章图片

EdgeBoard FZ3计算卡
3.EdgeBoard框架及性能介绍
3-1 MPSoC系统框架
Zynq UltraScale+ MPSoC架构提供频率高达1.5GHz的四核Cortex?-A53 高效 64位 ARMv8 应用处理器、具有双核 ARM? Cortex?-R5 600MHz的实时低功耗协处理器 , 以及ARM? Mali?-400MP2 GPU达到667MHz , 同时EV系列还包含 H.265/H.264 视频编解码器单元 , 可提供原生 UltraHD 压缩及专用引擎 , 满足动态电源管理与安全配置需求 。Zynq UltraScale+ MPSoC平台系统顶层框图如下:
【】百度EdgeBoard深度学习计算卡全系家族硬件解析
文章图片

文章图片

MPSoC平台系统框架
3-2 EdgeBoard计算卡配置比较
基于MPSoC平台系统顶层框图 , EdgeBoard计算卡的系统框架设计如下:
【】百度EdgeBoard深度学习计算卡全系家族硬件解析
文章图片

文章图片

EdgeBoard计算卡系统框架
EdgeBoard计算卡在配置方面 , 拥有4GB 和2GB 的不同DDR4内存配置版本 , 存储支持8GB eMMC , 256MB NOR Flash , 8Kb EEPROM , 具有多路视频(usb、mipi、bt1200、网络视频)输入接口 , 同时为满足开发者调试便捷性 , 支持TF Card系统盘启动 。
EdgeBoard计算卡的整体配置比较:
【】百度EdgeBoard深度学习计算卡全系家族硬件解析
文章图片

文章图片

3-3 常用模型在EdgeBoard上的性能数据
【】百度EdgeBoard深度学习计算卡全系家族硬件解析
文章图片

文章图片

【【】百度EdgeBoard深度学习计算卡全系家族硬件解析】EdgeBoard软核仍在持续升级 , 性能也将同步提升 。不同版本的网络模型对算力要求不同 , 针对具体项目应用需求 , 可进行定制优化 。


推荐阅读