盖世汽车讯 12月15日，高级半导体解决方案供应商瑞萨电子（Renesas Electronics Corporation）和多核CPU/GPU/FPGA加速技术公司Fixstars宣布联合开发一套工具，可对用于自动驾驶（AD）和高级驾驶辅助系统（ADAS）软件进行优化并实现快速仿真，特别是专用于瑞萨R-Car片上系统（SoC）设备的AD和ADAS系统。

这些工具可以从软件开发的初始阶段快速开发出具有高精度对象识别的网络模型，从而利用R-Car的性能。该工具可减少开发后的返工情况，有助于缩短开发周期。

图片来源：瑞萨

瑞萨电子汽车软件开发部副总裁Hirofumi Kawaguchi表示：“瑞萨电子不断创建集成开发环境，使客户能够采用‘软件至上’的方法。通过支持为R-Car定制的深度学习模型的开发，我们可帮助客户创建AD和ADAS解决方案，同时还缩短了上市时间和开发成本。”

Fixstars首席执行官Satoshi Miki表示：“R-Car的GENESIS是我们与瑞萨电子共同构建的基于云的评估环境，允许工程师在开发周期的早期评估和选择设备，并且已经被许多客户使用。我们将继续开发新技术来加速机器学习操作（MLOps），以维护汽车应用软件的最新版本。”

当前AD和ADAS应用程序使用深度学习来实现高度准确的对象识别。深度学习推理处理需要大量的数据计算和内存容量。汽车应用程序的模型和可执行程序必须针对汽车SoC进行优化，因为使用有限的算术单元和内存资源进行实时处理非常具有挑战性。此外，还必须加快从软件评估到验证的过程，并且需要时常更新应用以提高准确性和性能。瑞萨和Fixstars开发的新工具，可满足上述需求。

1. R-Car Neural Architecture Search（NAS）工具，用于生成针对R-Car优化的网络模型

该工具生成深度学习网络模型，可有效利用R-Car设备上的CNN（卷积神经网络）加速器、DSP和内存。因此工程师能够快速开发轻量级网络模型，即使没有与R-Car架构相关的丰富知识或经验，也能实现高度准确的对象识别和快速处理时间。

2. R-Car DNN编译器（Compiler）用于为R-Car编译网络模型

该编译器将优化的网络模型转换为可以充分利用R-Car性能潜力的程序。此外，该编译器还将网络模型转换成可以在CNN IP上快速运行的程序，并进行内存优化，使高速、容量有限的SRAM能够最大限度地发挥其性能。

3. R-Car DNN仿真器（Simulator）用于快速模拟编译程序

该仿真器可用于快速验证程序在PC上的运行，而不是在实际的R-Car芯片上。通过使用此工具，开发人员可以生成与R-Car相同的运行结果。如果在模型轻量化和程序优化过程中推理处理的识别精度受到影响，工程师可以立即反馈给模型开发，从而缩短开发周期。

瑞萨电子和Fixstars将继续通过联合“汽车软件平台实验室（Automotive SW Platform Lab）”开发深度学习软件，并构建运行环境，通过不断更新网络模型来维持和提高识别精度和性能。

可用性

第一套工具专为适用于AD和ADAS应用的R-Car V4H SoC设计，不仅具有高达每秒34万亿次运算（TOPS）的强大深度学习性能，还具有卓越能效。