• <dl id="0wc4v"><ins id="0wc4v"></ins></dl>
  • <dl id="0wc4v"></dl>
    <dl id="0wc4v"><ins id="0wc4v"></ins></dl>
    <li id="0wc4v"><s id="0wc4v"></s></li>
  • <div id="0wc4v"><s id="0wc4v"><strong id="0wc4v"></strong></s></div>
    <sup id="0wc4v"></sup>
  • 三分钟视频快速了解产品特性
    了解更多详情
    产?#26041;?#32461;

    Intel 二代神经计算棒

    制造商:Intel

    Intel?二代神经计算棒由Intel? Movidius? X VPU提供支持,可提供业界领先的性能、功率和功耗。该神经计算棒支持OpenVINO?,这是一款可加快解决方案开发并简化部署的工具包。二代神经计算棒简单易用,可即插即用,并支持常用框架和开箱即用的示例应用程序。可以使用具有USB端口的任何平台进?#24615;?#22411;设计和操作,而不必依赖云计算。Intel NCS 2可实现每秒4万亿次运算,与前几代产品相比,性能提升了8倍。

    产品规格
    产品属性 属性值 产品属性 属性值
    制造商 Intel HTS Code 8471809000
    产品种类 开发板和工具包 - 其他处理器 产品类型 Development Boards & Kits - Other Processors
    产品 Development Kits 工厂包装数量 10
    核心 LEON, SHAVE 子类别 Development Tools
    工具用于评估 Movidius Myriad X VPU 商标名 Movidius
    商标 Intel 零件号别名 964486
    CNHTS 9031809090
    产品特性
    提高了生产率

    具有低成本的多功能?#24067;?#22788;理能力,缩短了对神经网络进?#24615;?#22411;设计或调整的时间

    利用16核而非12核,外加神经计算引擎、专用的深度神经网络加速器

    利用深度神经网络?#35780;?#23454;现性能提升高达8倍,具体取决于网络

    经济划算,加快了深度神经网络的应用速度

    提升了AI开发套件体验

    简单易用,可即插即用

    价格合理

    支持常用框架,包括开箱即用和快速开发

    探索效率

    卓越的每瓦性能将机器视觉提升到全新级别

    “在边缘”运行,不依赖云计算连接

    现可在笔记本电脑、单板计算机或任何带USB端口的平台上进行深度学习原型设计

    价格合理 — 具有每瓦性能更高的和高效无风扇设计的优势

    将Intel? Movidius? Myriad? X VPU和Intel? Distribution of OpenVINO工具套件的?#24067;?#20248;化性能相结合,加快深度神经网络应用的速度

    在同类产品中首次采用神经计算引擎 — 一款专用?#24067;?#21152;速器

    Intel Movidius Myriad X VPU将16个强大的处理内核(称为SHAVE内核)和超高吞吐量智能内存结构相结合,成为移动应用型深度神经网络和计算机视觉应用的行业领导者

    在芯片上采用全新的深度神经网络 (DNN) ?#35780;?#24341;擎

    更简单的多功能性,适用于原型设计

    Intel Distribution of OpenVINO工具套件简化了开发体验

    利用Intel二代神经计算棒进?#24615;?#22411;设计,然后将您的深度神经网络部署?#20132;?#20110;Intel Movidius Myriad X VPU的嵌入式设备上

    简化了工作原型设计的路径

    跨Intel?#24067;?#25193;展工作负载并最大限度提高性能

    借助强大的Intel Distribution of OpenVINO工具套件,可以简化模拟人类视觉的应用和解决方案的移植及部署

    Intel Distribution of OpenVINO工具套件简化了多平台计算机视觉解决方案的开发 — 提高了深度学习性能

    现在,可以更加轻松地通过Intel加速技术套件开发异构执行应用。开发一次即可部署在Intel CPU、VPU、集?#19978;?#21345;或FPGA上。

    用户可以在需要时实施自己的自定义层并在CPU?#29616;?#34892;这些层,而模型的其余部分则在VPU上运行

    系统框图
    浙江快乐12官网
  • <dl id="0wc4v"><ins id="0wc4v"></ins></dl>
  • <dl id="0wc4v"></dl>
    <dl id="0wc4v"><ins id="0wc4v"></ins></dl>
    <li id="0wc4v"><s id="0wc4v"></s></li>
  • <div id="0wc4v"><s id="0wc4v"><strong id="0wc4v"></strong></s></div>
    <sup id="0wc4v"></sup>
  • <dl id="0wc4v"><ins id="0wc4v"></ins></dl>
  • <dl id="0wc4v"></dl>
    <dl id="0wc4v"><ins id="0wc4v"></ins></dl>
    <li id="0wc4v"><s id="0wc4v"></s></li>
  • <div id="0wc4v"><s id="0wc4v"><strong id="0wc4v"></strong></s></div>
    <sup id="0wc4v"></sup>