概要

説明

R-Car V4Hは、自動運転レベル2~3向けの超低消費電力でクラス最高のディープラーニングを実現する車載用SoCです。AD/ADASアプリケーション向けのコンピュータービジョンにて、このR-Car V4Hを最大限に活用するToolをご紹介します。

AD/ADASアプリケーションでは高精度な画像認識を実現するために、しばしば深層学習(Deep Learning)を用いた認識処理が採用されています。この認識処理で行われる演算量は、扱う情報量や求められる高い精度に応じて年々増加しています。

画像
Convolutional Encoder-Decoder

一方で、半導体デバイスはポストムーアの時代に突入しており、年々増え続ける膨大な演算量を、従来と同じ電力・実行速度・半導体プロセスで実現する必要があります。汎用CPU、GPUのマルチコアで実現しようとすると、膨大な電流を消費するため現実的ではありません。そこで、アプリケーションに特化した専用のハードウェア アクセラレータを複数用意したヘテロジーニアスA.Iデバイスが必要になります。そして、それを利用する専用ツールの知識必要です。

画像

ソフトウェア一覧

ニューラルネットワークを設計・検証し、専用HWを最大限に活用するためには専用の知識と専用ツールが必要ですが、これらを助ける下記3つのソリューションをご紹介します。

  • R-Car上で高効率に動作する深層学習モデルを自動で設計するツール 「R-Car NAS(Neural Architecture Search)」
  • 深層学習モデルのR-Car V4H向けプログラム最適化を自動で適用するDNN Compiler 「R-Car DNN Compiler」
  • 深層学習モデルのR-Car 向けプログラムに対する高速シミュレータ 「R-Car DNN Simulator」

<全体構成>

画像

R-Carに最適化なネットワークモデルを生成するツール「R-Car NAS(Neural Architecture Search)

R-Carに搭載されているCNN IPやDSP、メモリを効率良く利用するような深層学習ネットワークモデルを生成するツール です。ここれにより、R-Carに対する深い知識と理解が無くても、認識精度や処理時間の要件を満たす軽量なネットワークモデルを早期に開発可能です。

お客様がお持ちのデータセットを用いてスペックなどの仕様を入れたConfigファイルを入力すれば、R-Car上で最も最適に動作するニューラルネットワークが自動で生成されます。

<代表図>

画像

ネットワークモデルをR-Car用にコンパイルするツール「R-Car DNN Compiler

最適化したネットワークモデルを、R-Carの性能を最大限活用できるようにプログラムに変換するコンパイラです。CNN IPを用いて高速に実行できるプログラムに変換し、高速・小容量なSRAMを最大限活用できるよう、メモリの最適化も行います。

この仕組みをオープンソースのコンパイラであるApache TVM[1]に我々のツールを拡張してご提供します。

<代表図>

画像

コンパイルしたプログラムをパソコンで高速にシミュレーションするツール「R-Car DNN Simulator

ソフトウェアの動作検証を、R-Carの実チップを使わずに、パソコンで高速に実行できるシミュレータです。お客様のニューラルネットワークモデルと実際のハードウエアの出力とで認識結果が多少異なる現象が見られますが、この影響を高速シミュレータによってハードウエアの用意がなくても確認することが可能になります。

<代表図>

画像
R-Car NAS(Neural Architecture Search)
R-Car上で高効率に動作する深層学習モデルを自動で設計するツール
Model-Based Development ルネサス
R-Car DNN Compiler
深層学習モデルのR-Car V4H向けプログラム最適化を自動で適用するDNN Compiler
Compiler/Assembler ルネサス
R-Car DNN Simulator
深層学習モデルのR-Car向けプログラムに対する高速シミュレータ
Simulator ルネサス
3件

ビデオ&トレーニング

Tools to Optimize AI Software for AD/ADAS on R-Car SoC