Xilinx 发布reVISIONTM堆栈的背景资料

　　如图 10 所示，赛灵思的全新reVISION堆栈使更多软件工程师和系统工程师无需掌握或只需掌握一点硬件设计专业技术，就能够更轻松快速地开发出智能嵌入式视觉系统，包括将机器学习和计算机视觉算法的超高效实现方案整合到高响应性系统中。

　　图10：赛灵思reVISION和Nvidia Tegra X1对比

　　最快响应性 —— 从传感器到推断和控制的最低时延

　　如上所述，软件定义的reVISION流程支持快速开发响应最快的系统。事实上，相比嵌入式 CPU 和典型 SoC 的性能参数，赛灵思的表现大大超越了英伟达 ( Nvidia) 这一强手。

　　将基于 Zynq SoC 的 reVISION流程与 Nvidia Tegra X1 进行基准对比可以看出，reVISION 流程讲机器学习的单位功耗图像捕获速度提升了6 倍，将计算机视觉处理的帧速率提升了 42 倍，而时延仅为 1/5(以毫秒为单位)，这些数据对实时应用而言都是至关重要的。

　　如图 11 所示，拥有速度极快的确定性系统响应时间非常有用。我们从这个例子看到，一辆汽车采用赛灵思基于 Zynq SoC 的reVISION 与采用 Nvidia Tegra 的汽车一起识别潜在的碰撞事故并采取刹车，在速度为 65 mph 情况下，根据 Nvidia器件的具体实现方案，赛灵思的响应时间可以让汽车在5到33英尺的距离停下，从而轻松实现安全刹车，避免碰撞。

　　图11：响应时间为什么重要：赛灵思和Nvidia Tegra X1的对比

　　响应时间的的这些显著优点来源于Zynq SoC相对于嵌入式GPU和典型SoC的基本架构优势。 如图12所示，嵌入式GPU和典型SoC需要从传感器到视觉、机器学习和控制处理频繁访问外部存储器。 相比之下，Zynq SoC部署了使用可编程逻辑和显著多得多的内部存储器(高达Nvidia Tegra X1的19倍)实现的优化和流线型数据流。 这不仅实现了相对替代方案1/5的延迟，而且还实现了对于许多实时应用至关重要的确定性的响应能力。

　　图12：赛灵思响应时间优势的来源

　　面向最新网络和传感器的可重配置性

　　响应时间很重要，而赛灵思解决方案还提供了非常独特的可重配置性优势。为了能够用尖端神经网络和机器学习推断效率部署最佳系统，工程师必须能够在整个产品的产品生命周期同时优化软硬件。如图 13 所示，机器学习领域最后两年的发展所带来的科技进步超越了过去 45 年的水平。许多新的神经网络随着新技术的出现不断发展，也大幅提高了的部署效率。不管今天制定什么标准，未来部署什么，都需要通过硬件可重配置性确保满足未来需求。只有赛灵思全可编程(All programmable)的器件才能提供这种级别的可重配置性。

　　图13：随着机器学习技术的发展，为什么可重配置性非常重要?

　　如图14所示，对快速演进传感器技术的管理同样需要可重配置性。人工智能(AI)革命加速了传感器技术在不同领域的发展演进，也要求更高水平的传感器融合，以整合不同类型的传感器，以便在该环境了构建全面而完整的系统环境和对象视图。与机器学习类似，不管制定什么传感器配置标准、未来如何实现，都需要通过硬件可重配置性来满足未来需求。同样，只有赛灵思 All programmable 器件才能提供这种级别的可重配置性。

　　图14：为什么随着传感器的发展，可重配置性非常重要?

　　任意连接和传感器接口

　　如图 15 所示，基于 Zynq 的视觉平台提供了稳健可靠的任意连接能力和传感器接口优势。

　　Zynq 的传感器和连接性优势包括：

　　1. 相对于目前市场中其它 SoC而言，带宽提升高达 12 倍，包括支持原生的 8K 和定制分辨率。

　　2. 大幅增加了高低带宽传感器接口和通道，支持差异化传感器组合，包括RADAR、LiDAR、加速计和力扭矩传感器。

　　3. 业界领先的最新数据传输和存储接口支持，为满足未来标准要求可方便地进行重新配置。

　　图 15: 传感器 &连接器 ：Xilinx与 Nvidia 和 典型SoC对比

　　赛灵思与业界其它解决方案对比

　　通过将 Zynq 平台的独特优势和配备了各种库和业界标准框架支持的软件定义开发环境融为一体，reVISION为视觉系统开发提供了最佳替代方案。如前所述，reVISION 的独特之处在于能实现智能应用的三大使命，以最新技术满足差异化和上市进程的重要要求，同时支持最快响应性、可重配置性、任意连接和软件定义编程。它同时还利用软件定义的编程模式移除了通往广泛应用的障碍。

　　如图 16 所示，在纵轴上只有 reVISION 能支持从传感器到机器学习推断和互联控制的优化，实现最佳系统响应时间。在横轴上，只有reVISION能为硬件优化的算法加速提供所需的可重配置性，并能升级更新到最新的传感器和连接性需求。虽然许多赛灵思器件客户的硬件专家已经能够实现这些优势，但是全新的reVISION堆栈通过使用行业标准库和框架实现软件定义的编程，消除了向更广泛应用的障碍。

　　图1Figure 16:Xilinx– Most Responsive and Reconfigurable Alternative in Target Markets

　　图16：赛灵思 —— 面向目标市场反应最快且可重配置的最佳选择

　　总结： reVISION

　　通过XilinxreVISION™ 堆栈的推出， 赛灵思将技术扩展至广泛的视觉导向机器学习应用领域。reVISION™ 堆栈的推出进一步补充和完善了近期发布的可重配置加速堆栈，大幅扩展了赛灵思技术在机器学习应用领域从端到云的部署。全新的reVISION堆栈能够支持更广泛的很少甚至没有硬件专业知识的软件和系统工程师，使其可以更轻松、更快速地开发视觉导向的智能系统。一旦将机器学习、计算机视觉、传感器融合和连接的优势融为一体，这些工程师将从中大受裨益。