自從物聯網(IoT)出現以來,邊緣智能頗具顛覆性的創新,以及邊緣計算應用都逐漸變得非常普遍,例如人臉識別,語音識別,物體識別,或者汽車上用的車輛識別系統都有它的身影。當然,這對算力的要求逐漸提高,NPU的性能也更受到注重,也作為了CPU與GPU外的下一個性能指標。
本文介紹的是米爾于2021年底發布的新品——MYC-JX8MPQ核心板,作為AI領域的里程碑CPU模組,它基于NXP第一顆搭載了NPU的高端芯片i.MX8MPlus,這個模組主要面向AI場景,具有2.3 TOPS算力,4核 Cortex-A53 + Cortex-M7,主頻1.8GHz+800MHz。
隨著市場上機器學習開發的需求加大,NXP大力擴展eIQ軟件環境,現在eIQ已經正式加入到BSP鏡像中,它支持OpenCV,TensorFlow-Lite,armNN,PyTorch等框架。下面,我們借用一幅圖來說明8M系列針對eIQ支持情況。
可以看到目前只有i.MX 8m Plus搭載了NPU神經網絡單元,那么NPU到底強在哪里,請看如下對比。我們用了TensorFlow-Lite框架《將軍》圖為例,來對比CPU,GPU,NPU算法能力。下表展示了通過對應的命令算出來的結果。可以看到,CPU的算力為平均44.832MS、GPU是160.934MS、NPU僅2.866MS,通過數據可以直觀地看出NPU的算力更強,更能滿足邊緣計算的高標準要求。
這款MYC-JX8MPQ模組除擁有強悍的處理器之外,還有幾個特別優勢:

所以,MYC-JX8MPQ可以在高性能AI設備、邊緣計算、5G網關、高性能工業計算器、儀表儀器、工業網關設備等領域投入應用。以上是對MYC-JX8MPQ核心板的介紹,同時米爾也提供配套的開發板,外設資源豐富。
如有需要可登錄米爾電子旗艦店進行購買想要了解更多MYC-JX8MPQ核心板及開發板產品
-
NPU
+關注
關注
2文章
373瀏覽量
21097 -
邊緣計算
+關注
關注
22文章
3527瀏覽量
53452
發布評論請先 登錄
從云端集中到邊緣分布:邊緣智算如何重塑算力網絡布局
從CPU、GPU到NPU,美格智能持續優化異構算力計算效能
部署邊緣計算設備時需要考慮哪些問題?
【「算力芯片 | 高性能 CPU/GPU/NPU 微架構分析」閱讀體驗】+NVlink技術從應用到原理
6TOPS算力NPU加持!RK3588如何重塑8K顯示的邊緣計算新邊界
大算力芯片的生態突圍與算力革命
維諦技術(Vertiv)發布兆瓦級UPS新品,破局高密AI算力負載供電挑戰
157 TOPS 算力!AIO-OrinNX 主板助力邊緣 AI 應用
邊緣計算需要什么樣的板卡?NPU算力如何
評論