170ADM35010

170ADM35010

170ADM35010选择合适的硬件主器件：选择运行机器视觉人工智能应用程序的硬件时，存在诸多选项。现场可编程逻辑门阵列 (FPGA)、图形处理单元 (GPU) 以及微控制器 (MCU) 都各有所长。

FPGA: FPGA 是非常强大的处理单元，配置后可以满足几乎所有应用程序的需求。可以创建定制的 FPGA 架构来处理特定的应用程序。与其他选项（如 GPU 和 CPU）相比，可以实现更高的性能、更低的成本和的能效。

GPU: GPU 是处理器，主要用于处理图像和视频。与 CPU 相比，其处理单元更简单，但承载更多的内核。因此，GPU 非常适合需要并行处理大量数据的应用程序，例如图像像素或视频编解码器。然而，GPU 也存在一些局限性：能耗高，同时由于使用 CUDA 和 OpenCL 等语言进行编程，灵活性不及 CPU。

CPUs: CPU 的核心数量有限，无法快速处理人工智能所需的大量数据。因此，CPU 仅适用于有效批量较小的小模型。CPU 的优点是易于编程、成本较低，同时广泛支持各类编程框架。

除此之外，选择硬件时还需要考虑能效、设备移动性、IO 数量、操作环境，以及重要因素 - 成本。初的计划阶段调查并周全考虑，可以避免日后的麻烦。借助所有的处理器和支持组件，获取足够的处理能力，为将来需要实现的功能做好铺垫，同时预备足够的板载内存，用于处理固件升级和人工智能算法增长。

170ADM35010