간편한 가속화

적응형 플랫폼을 위한 가속화 애플리케이션


손쉬운 설치

오픈 소스 메커니즘을 통해 무선으로 쉽게 설치할 수 있도록 Linux 배포 프레임워크에 앱이 패키징됨

무료 평가판

하드웨어 전문 지식 없어도 지원되는 문서, 흐름 시작, 추가 도구, 리소스가 포함된 무료 평가 가능

개발 및 배포

높은 수준의 시작 지점에서 개발을 시작하고 스타터 킷 또는 프로덕션 SOM에 배포

간편한 업데이트

스타터 키트 또는 배포된 프로덕션 SOM에 대한 가속화 앱의 최신 버전으로 동적인 업그레이드

탐색 방법

1. 앱 선택
앱을 선택하고 기능, 사양, 문서를 탐색합니다.

2. 앱 다운로드
앱을 무료로 다운로드하여 KV260, KR260 또는 KD240 스타터 키트에서 평가해 보세요.

3. 단계별 수행
시작하기 가이드를 사용하여 1시간 이내에 가동할 수 있습니다.

4. 앱 구매
K24 또는 K26 프로덕션 SOM의 프로덕션 배포용(모든 AMD 앱 무료)

Kria 가속화 앱

 이 앱을 통해 개발자가 FPGA 프로그래밍 경험이 없어도 소프트웨어 레벨에서 프로그래밍하고 자신의 설계를 차별화할 수 있습니다.

Kria K26용 비전 및 로보틱스 앱

이벤트 비전 기반 센서를 통한 물체 감지 및 추적

이벤트 비전 기반(EVB) 감지 기능은 가속 감지 속도, 예측할 수 없는 조명 상태에서 작동 개선, 프레임 기반 센서에 비해 통신 수요 감소를 제공합니다.1 이 애플리케이션은 AMD Kria™ KV260 Vision AI 스타터 키트에 통합된 MIPI를 통한 EVB 센서를 선보이며, 간소화된 엔드 투 엔드 파이프라인 가속을 위한 물체 감지 및 추적을 실행합니다.

Machine Vision

Smart Camera

이 울트라 HD 스마트 카메라는 네트워크 및 디스플레이 기능으로 얼굴 감지를 구현합니다. 로컬 디스플레이 및 RTSP 스트리밍을 통한 보행자 감지, 얼굴 감지, 인원 계수와 같은 애플리케이션용 빌트인 머신러닝이 함께 제공됩니다.

AI Box with ReID

AI Box with ReID 가속 애플리케이션은 분산된 확장형 멀티스트림 추적 및 재식별을 수행합니다. 이 앱은 보행자 추적 및 복수 카메라 스트림 디코딩에 머신러닝을 활용하며, 카메라 피드 전체에서 보행자 감지 및 추적을 수행합니다. 일반적인 응용 분야로는 스마트 시티, 소매 분석, 비디오 분석 등이 있습니다.
Machine Vision

Defect Detection

Defect Detection 가속 애플리케이션은 Vitis Vision 라이브러리 함수를 사용하여 고속 공장 파이프라인에서 결함(예: 과일, PCB) 감지 및 분류를 자동화하는 머신 비전 앱입니다.
Machine Vision

Phoenix HDR ISP

Phoenix는 Kria™ KV260 비전 AI 스타터 킷에 최적화된 HDR 이미지 신호 프로세서(ISP)입니다. 사용자는 Xfuse 이미지 센서 모듈과 결합되어 이 완벽한 기능을 갖춘 ISP를 활용하여 최대 120dB의 다이나믹 레인지에 이르는 고대비 환경에서 실시간 성능으로 비전 및 딥러닝 애플리케이션을 맞춤 개발할 수 있습니다. Kria SOM을 통한 플러그 앤 플레이 성능을 위해 설계된 이미징 모듈 및 시스템은 AI, 보안, 로보틱스 또는 소비자 애플리케이션에서 직면하는 까다로운 환경에서 신속하게 배포할 준비가 되어 있습니다.
Machine Vision

Aupera Face Recognition

Aupera Facial Recognition 솔루션은 현장에서 얼굴 인식을 위해 상업용으로 배포 가능한 엔드 투 엔드 솔루션입니다. Aupera 독점 동급 최상의 훈련된 AI 모델을 갖춘 이 솔루션은 Tier-1 고객에 의해 현장 배포되었습니다. 얼굴 감지, 얼굴 인식, 마스크 감지, 마스크가 있는 얼굴 인식, RTSP/RTMP 스트리밍, ONVIF 인터페이스와 같은 애플리케이션용 빌트인 머신러닝이 함께 제공됩니다.
Machine Vision

ROS 2 Multi-Node Communication via TSN

동기화된 실시간 클럭은 복잡한 프로세스의 자동화와 여러 센서, 구동 장치 및 컨트롤러가 있는 시스템의 결정적 동작을 위한 핵심 요소입니다. AMD의 시간에 민감한 네트워킹(TSN) 서브시스템은 지터가 낮은 이더넷 프레임의 시간 동기화 및 시간 인식 전송을 제공합니다. 두 외부 인터페이스가 함께 제공되므로 외부 TSN 스위치 없이도 대규모 네트워크에 사용할 수 있습니다.
Robotics

ROS 2 Perception Node

ROS 2 Perception Node 가속 애플리케이션은 ROS 2 생태계에서 가장 인기 있는 패키지 중 하나이자 ROS 인식 스택의 핵심 요소인 image_pipeline의 하위 집합을 구현합니다. 이 애플리케이션은 두 개의 하드웨어 가속 노드, 크기 조정 및 수정으로 구성된 간단한 계산 그래프를 생성하고, 추적 및 벤치마킹에 KRS 프레임워크를 활용합니다.
Robotics

데모 앱

데모 앱은 평가용으로만 사용된다는 점을 제외하면 가속화 앱과 유사합니다. 시작 키트의 기능을 평가하고 가속화 앱 제공업체에 다음 단계에 대해 문의합니다.

Kria K24용 드라이브 앱

KD240용 TSN 가속 애플리케이션을 통한 ROS 2 멀티노드 통신

동기화된 실시간 클럭은 복잡한 프로세스의 자동화와 여러 센서, 구동 장치 및 컨트롤러가 있는 시스템의 결정적 동작을 위한 핵심 요소입니다. AMD의 시간에 민감한 네트워킹(TSN) 서브시스템은 지터가 낮은 이더넷 프레임의 시간 동기화 및 시간 인식 전송을 제공합니다. 두 외부 인터페이스가 함께 제공되므로 외부 TSN 스위치 없이도 대규모 네트워크에 사용할 수 있습니다.

Vision AI DPU-PYNQ

PYNQ는 Python, Jupyter 및 관련 라이브러리의 광범위한 생태계로 구축된 오픈소스 생산성 프레임워크입니다. 더 많은 기능을 갖춘 지능형 시스템을 구축할 수 있는 Zynq™ 기기 제품군을 사용하여 소프트웨어 및 하드웨어 엔지니어의 생산성을 높여줍니다. DPU-PYNQ 가속 애플리케이션에는 즉시 실행 가능한 AI 추론 노트북과 함께 Vitis™ AI DPU(딥러닝 프로세서 유닛)가 포함되어 있습니다.

Adaptable Field-Oriented Control

이 고성능 전기 드라이브 앱은 적절한 수준의 통합과 경성 실시간 성능을 달성하기 위한 밀도를 중요 모터 제어 애플리케이션에 구현해 줍니다. 독립적인 공간 벡터 변조, 아날로그 획득 및 기타 관련 모터 I/O 작업을 위해 CPU 작업을 오프로드함으로써 HDL에서 풍부한 자속 기준 제어(FOC) 및 슬라이딩 모드 SFOC 알고리듬을 구현하여 학습과 설계를 위한 매우 다양한 플랫폼을 제공합니다.

Field-Oriented Control

센서 기반 제어는 많은 모터 시스템 구현의 핵심 구성 요소입니다. 브러시리스 DC 모터 환경에서 자속 기준 제어(FOC)는 중요한 제어 방법론으로 자리 잡고 있습니다. AMD의 위치 센서 포함 Field-Oriented Control 가속 애플리케이션은 Vitis™ 모터 제어 라이브러리를 활용하여 동기 모터의 확정적인 저지연율 제어를 제공합니다. 이 시스템은 구적 인코더, DC 전압 및 전류 판독값을 통합하여 대상 모터의 정밀한 속도 및 토크 제어를 보장합니다.
대체 텍스트 추가

기술 파트너가 되는 것에 관심이 있으십니까?

Kria 앱 스토어는 Docker Hub에서 호스팅되는 Docker 컨테이너인 표준 인프라를 사용하여 고유한 에지 애플리케이션, 알고리즘, IP 코어를 마케팅할 수 있는 강력한 플랫폼을 제공합니다. 디자인을 제공하기 위한 가속화 애플리케이션 형식은 AMD 고객이 솔루션을 평가할 수 있는 가장 쉬운 방법이며, 애플리케이션 중심 솔루션 개발자에게는 기존의 IP 제품 개발 프로세스에 비해 간소화됩니다.

curved transparent to black top gradient divider
대체 텍스트 추가

Kria SOM(System-On-Module)

스타터 키트에서 프로덕션에 이르는 에지 배포를 위해 설계된 Kria SOM 포트폴리오는 시스템 개발을 단순화하여 제품 출시를 앞당길 수 있도록 지원합니다.

Kria SOM(System-On-Module)
각주
  1. 모든 성능 이점 및/또는 시간 절약에 관한 주장은 PROPHESEE 및/또는 LogicTronix Technologies가 제공한 것이며, AMD는 독립적으로 이를 테스트하거나 검증하지 않았습니다. 성능 이점과 시간 절약은 여러 변수의 영향을 받습니다. 여기에 제시된 결과는 PROPHESEE 및/또는 LogicTronix Technologies에 특정적이며, 일반적이지는 않을 수 있습니다. GD-181