嵌入式AI加速器DRP-AI 详细介绍

eeDesigner 2025-03-15 508

描述

深度神经网络中使用的人工智能（AI）已经为IT领域提供了新的价值。虽然很多人期望用AI来实现嵌入式应用，但AI处理需要很多计算，由于性能不足或功耗需求大，很难适应使用CPU或GPU的传统解决方案的嵌入式设备。此外，人工智能正在不断发展，新的算法不时被开发出来。

在人工智能快速发展的过程中，瑞萨开发了人工智能加速器（DRP-AI）和软件（DRP-AI翻译器），既提供高性能又提供低功耗，并具有应对演变的能力。结合DRP-AI和DRP-AI翻译器，使AI推理成为可能，具有高功率效率，这是当前AI技术无法支持的。

AI模型可以随着DRP-AI翻译器的不断更新而扩展。

DRP-AI的特点

DRP-AI由AI-MAC（multiply-accumulate processor）和DRP（reconfigurable processor）组成。通过为卷积层和全连接层上的操作分配AI-MAC，并为预处理和池化层等其他复杂处理分配DRP，可以高速执行AI处理。

AI 加速器 DRP - AI 是瑞萨电子研发的一款动态可重构处理器（Dynamically Reconfigurable Processor），它将出色的能效与强大的灵活性集于一身，主要应用于嵌入式系统的 AI 推理。下面为你详细介绍其关键信息：

核心技术特性

架构设计
- DRP - AI 由 AI - MAC（乘加处理器）和 DRP（可重构处理器）两部分构成。AI - MAC 专门负责卷积层和全连接层的运算，而 DRP 则承担预处理、池化层等复杂处理任务。
- 该架构能够实现端到端的 AI 处理，把预处理、推理和后处理都集成到硬件中，从而降低了对 CPU 的依赖，提升了整体处理效率。
卓越性能与能效
- 最新的 DRP - AI3 版本表现尤为突出，能效可达 10TOPS/W，推理性能最高能达到 15TOPS（如 RZ/V2N），相比前代产品，处理速度提升了 10 倍。
- 以 RZ/V2L 为例，其能效为 1TOPS/W，能够以每秒 28 帧的速度运行 Tiny YOLOv2 模型。
灵活适配能力
- 借助 DRP - AI Translator 和 DRP - AI TVM 工具，DRP - AI 可以支持多种 AI 框架，包括 ONNX、PyTorch、TensorFlow 等，并且能够动态适配不断更新的 AI 算法。

有关DRP-AI的更多详细技术信息，
请参阅以下白色文件。白色白皮书：嵌入式AI加速器DRP-AI（PDF|中文（简体）*附件：嵌入式ai加速器DRP-AI.pdf

虽然大多数AI加速器只专注于AI推理，并依赖CPU进行预处理和后处理，但DRP-AI将预处理和后处理以及AI推理集成到单个DRP-AI硬件中，以实现上级AI处理性能。

工具：DRP-AI TVM^* 一个^

DRP-AI TVM是一种工具，可用于将训练的AI模型转换为可以在DRP-AI上运行的格式。DRP-AI TVM将DRP-AI加速器应用于经过验证的ML编译器框架Apache TVM*2。这支持多个AI框架（ONNX，PyTorch，TensorFlow等）。此外，它还可以与CPU一起运行，允许运行更多的AI模型。

DRP-AI TVM支持的AI模型格式和产品（MPU）如下。

输入文件格式（训练的AI模型）：ONNX、PyTorch、TensorFlow
产品：RZ/V2 M，RZ/V2 MA，RZ/V2 L，RZ/V2 H，RZ/V2 N

下表显示了DRP-AI TVM的下载站点、工具的简要描述和可交付成果的信息。

RZ/V2M、RZ/V2MA	RZ/V2L	RZ/V2H、RZ/V2N
工具摘要说明	DRP-AI TVM说明页（瑞萨网站）
工具详解入门示例代码AI评测软件	DRP-AI TVM（GitHub）	DRP-AI TVM解释页面（GitHub.IO）
DRP-AI驱动程序	包含在DRP-AI支持包中	在AI SDK中可用
Linux	在Linux软件包中可用