机构名称：
¥ 6.0
随着边缘计算平台变得更加广泛，新公司加入了该领域，因此很难知道在任何特定情况下要使用哪个平台。这些系统通常包含一系列不同的计算体系结构和不同的硬件加速技术，这在选举时可能会令人困惑，以将它们整合为较大设计中的硬件加速器。由于这些平台的效率，它们通常可以为机器人技术和其他领域提供创造性的解决问题的方法，在这种情况下，很久以前的计算在边缘上并不常见。本文深入研究了领先的硬件加速器，分析了三个平台的性能和功率使用：KRIA KV260，Jetson Nano和RTX 3060。实验是使用两个神经网络模型-Resnet-50进行的，并进行了YOLO训练以进行图像识别任务。与其他平台相比，我们的发现在每瓦的推理速度方面强调了基于FPGA的平台的效率。
KRIA KV260，Jetson Nano和RTX 3060
主要关键词
相关文件推荐
