h1_key

  瑞薩電子宣布，將與專注于多核CPU/GPU/FPGA加速技術的全球卓越供應商Fixstars(Fixstars Corporation)聯(lián)合開發(fā)用以優(yōu)化并快速模擬專為瑞薩R-Car片上系統(tǒng)(SoC)所設計的自動駕駛(AD)系統(tǒng)及高級駕駛輔助系統(tǒng)(ADAS)的軟件工具。這些工具在軟件開發(fā)的初始階段便可充分利用R-Car的性能優(yōu)勢來快速開發(fā)具有高精度物體識別功能的網絡模型，減少開發(fā)后返工，縮短開發(fā)周期。

  瑞薩電子汽車軟件開發(fā)部副總裁川口裕史表示：“瑞薩持續(xù)打造集成開發(fā)環(huán)境，推動客戶充分采用‘軟件優(yōu)先’的方法。此外，通過支持為R-Car量身定制的深度學習模型開發(fā)，瑞薩幫助客戶搭建AD和ADAS解決方案，同時也減少了上市時間與開發(fā)成本?！?/span>

  Fixstars公司CEO三木聰表示：“GENESIS for R-Car作為我們與瑞薩聯(lián)合創(chuàng)建的基于云的評估環(huán)境，允許工程師在開發(fā)周期的早期評估并選擇器件，得到了眾多客戶的青睞。我們將繼續(xù)前沿技術的研發(fā)，加速可用于維護汽車應用中最新版本軟件的機器學習操作(MLOps)?！?/span>

  當前的AD和ADAS應用利用深度學習來實現(xiàn)高精度物體識別。深度學習推理處理需要大量數據計算和內存容量。由于在有限的計算單元和內存資源下進行實時處理是一項極具挑戰(zhàn)性的任務，因此車載應用上的模型和可執(zhí)行程序必須針對車用SoC進行優(yōu)化。此外，從軟件評估到驗證的過程必須加快，并且需要反復更新以提高準確性及性能。為了滿足這些需求，瑞薩和Fixstars已經開發(fā)了以下工具。

  用于生成針對R-Car優(yōu)化網絡模型的R-Car神經架構搜索(NAS)工具

  該工具生成深度學習網絡模型，可有效利用R-Car器件上的CNN(卷積神經網絡)加速器、DSP和內存。這使工程師能夠快速開發(fā)輕量級網絡模型，即使沒有對R-Car架構的深入了解或經驗，也能實現(xiàn)高度準確的物體識別并獲得快速處理時間。

  用于編譯R-Car的網絡模型R-Car DNN編譯器

  該編譯器將優(yōu)化的網絡模型轉換為可以充分利用R-Car性能潛力的程序。它將網絡模型轉換為可以在CNN IP上快速運行的程序，并進行內存優(yōu)化，使高速、有限容量的SRAM性能最大化。

  用于快速模擬已編譯程序的R-Car DNN模擬器

  這一模擬器可用來在個人電腦(PC)，而非實際R-Car芯片上快速驗證程序的運行。利用這一工具，開發(fā)人員可以生成與R-Car相同的運行結果。在讓模型更為輕巧和優(yōu)化程序的過程中，如果推理處理的識別精度受到影響，工程師能夠為模型開發(fā)提供即時反饋，從而縮短開發(fā)周期。

  瑞薩和Fixstars將繼續(xù)利用聯(lián)合“汽車軟件平臺實驗室”共同開發(fā)深度學習軟件，并建立操作環(huán)境，通過持續(xù)更新網絡模型來維持并提升識別精度與性能。