概述

我們正在開發的 AI 編譯器是可以從預訓練的深度神經網絡為瑞薩的 R-Car 設備生成高性能可執行代碼的軟件。

背景

實時執行 CNN 推理是一項非常具有挑戰性的工作，因為嵌入式硬件在計算和功耗的硬件資源方面面臨著嚴格的限制。為了在 R-Car V 系列設備上有效地執行 CNN 推理，瑞薩設計了異構架構，該架構分為可編程處理器 （CPU） 和專用于計算網絡各層的加速器。

至于AI編譯器，常見的軟件架構包含兩部分：編譯器“前端”和編譯器“后端”，如圖所示。深度神經網絡在 AI 編譯器中被翻譯成多級 IR。編譯器前端負責與硬件無關的轉換（圖 IR）和圖優化，而編譯器后端負責特定于硬件的優化、代碼生成。

例子

瑞薩主要開發硬件相關的優化算法，最大限度地利用R-Car V系列的異構架構。為了進一步提高性能，有必要了解與深度神經網絡相關的最新論文，并與工程師進行技術討論。我們正在尋找該領域積極進取的工程師。

結論

深度神經網絡是近年來得到廣泛研究并不斷發展的技術領域之一。瑞薩將提供先進的人工智能工具來協助自動駕駛技術的發展。

圖像

審核編輯：郭婷