从 CEVA 的神经网络

CDNN2 使本地化、 深学习基于视频分析实时摄像设备上。这大大降低了数据带宽和存储相比，在云中，运行这种分析，同时降低延迟和增加隐私。

CDNN2 加 CEVA XM4 智能视觉处理器，提供重要的市场时间和功耗等优点，在嵌入式系统的智能手机，先进的驾驶辅助系统 (ADAS)、 监控设备、 无人驾驶飞机、 机器人和其他相机启用智能设备中实现机器学习。

CDNN2 是基于 CEVA 的第一代神经网络软件框架 (CDNN)，已与多个客户和合作伙伴的设计。

它增加了 TensorFlow，机器学习，以及提供改进的功能和性能的最复杂和最新的网络拓扑结构和层的谷歌的软件库的支持。

CDNN2 也支持完全卷积的网络，从而允许任何给定的网络来处理输入的任何决议。港泉SMT

CDNN2 使用一组 Api 增强，提高了系统的整体性能，包括直接卸载从 CPU 到 CEVA XM4 神经网络相关完成各项任务。

有是一个 youTube 视频的 CDNN2 在这里的行动 ︰

这些增强功能，结合自动转换预先训练的网络在 CEVA-XM4 上, 运行的”按钮”能力支撑重大时间到市场和功率大等优点，为发展中国家提供了 CDNN2 嵌入式视觉系统。

最终的结果是 CDNN2 生成 CEVA XM4 成像和远见 DSP，消耗显著降低电源和内存带宽与基于 CPU 和 GPU 的系统相比更快的网络模型。

“我们已经介绍了在我们的第二代深层神经网络框架的增强功能的广泛领域中经验与 CEVA XM4 客户和合作伙伴，结果”说 CEVA 的 Eran Briman，”他们是开发和部署利用 CDNN 为范围广泛的终端市场，包括无人驾驶飞机、 绮和监视的深度学习系统。尤其是支持的，增加由 TensorFlow 生成的网络是支持的关键的增强，以确保我们的客户可以利用 Google 的强大深学习系统为他们的下一代 AI 设备。

CDNN2 旨在用于目标识别、 先进驾驶辅助系统 (ADAS)，人工智能 (AI)，视频分析、 增强现实 (AR)、 虚拟现实 (VR) 和类似的计算机视觉应用。

CDNN2 软件库是作为扩展 CEVA XM4 现有应用程序开发人员工具包 (ADK) 和计算机视觉库，CEVA-CV 的源代码提供的。它是灵活的和模块化的、 能够为广泛的网络支持 CNN 的完整实现或特定图层。

这些网络包括 Alexnet、 GoogLeNet、 ResidualNet （宿舍）、 SegNet，VGG （VGG 19，VGG 16，VGG_S） 和网络中网络 (NIN)，除其他外。CDNN2 支持包括卷积、 反褶积、 池，完全连接，softmax、 串联和采样，以及各种以来型号的最先进的神经网络层。

支持所有的网络拓扑结构，包括多输入-多输出，每一级，完全卷积的网络，除了线性网络 （如 Alexnet) 的多个图层。

CDNN2 框架内的一个关键组成部分是脱机的 CEVA 网络的发电机，将预先训练好的神经网络转换为等效的嵌入式友好网络在定点数学在按下按钮。CDNN2 可交付成果包括一个基于硬件的开发工具包，允许开发人员不仅运行他们的网络，在模拟中，但也要对 CEVA 发展理事会在实时运行。