【地平線旭日X3派試用體驗(yàn)】X3派開(kāi)箱及開(kāi)發(fā)環(huán)境搭建
本文來(lái)源電子發(fā)燒友社區(qū)，作者：yjp， 帖子地址：https://bbs.elecfans.com/jishu_2303179_1_1.html
地平線旭日X3派開(kāi)發(fā)板是我見(jiàn)過(guò)，AI計(jì)算算力最強(qiáng)，開(kāi)源程度最深，AI算法集成度最高的開(kāi)發(fā)板，再此表示感謝。
環(huán)境安裝在進(jìn)行AI算法開(kāi)發(fā)之前請(qǐng)參考X3派用戶手冊(cè)完成系統(tǒng)安裝及配置，此時(shí)X3派上已默認(rèn)安裝好了地平線Python版本AI推理引擎(hobot_dnn)及其配套依賴環(huán)境。hobot_dnn提供了Model、pyDNNTensor、TensorProperties三個(gè)類和load接口。您可通過(guò)如下方式獲取hobot_dnn的基本信息：
-------------------------------------------------------------------------------------------------------------------------------
python3
>>> from hobot_dnn import pyeasy_dnn as dnn
>>> dir(dnn)
['Model', 'TensorProperties', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__spec__', 'load', 'pyDNNTensor']
-------------------------------------------------------------------------------------------------------------------------------
AI推理引擎的更新可參考如下方式（出于系統(tǒng)安全、穩(wěn)定性的考慮，建議統(tǒng)一通過(guò)APT命令更新X3派板級(jí)開(kāi)發(fā)包）：
-------------------------------------------------------------------------------------------------------------------------------
#更新package列表
sudo apt update
#升級(jí)所有已安裝的軟件包到最新版本
sudo apt full-upgrade
#清除緩存文件（非必須）
sudo apt clean
#重啟設(shè)備
sudo reboot
-------------------------------------------------------------------------------------------------------------------------------
1 推理接口介紹1.1 ModelAI算法模型類，描述模型的名稱，輸入、輸出數(shù)據(jù)屬性信息，forward 方法用來(lái)完成算法的推理。
-------------------------------------------------------------------------------------------------------------------------------
class hobot_dnn.pyeasy_dnn.Model
'''
Parameters：
1、name (string)：模型名稱
2、inputs (tuple(hobot_dnn.pyeasy_dnn.pyDNNTensor))：模型的輸入tensor
3、outputs (tuple(hobot_dnn.pyeasy_dnn.pyDNNTensor))：模型的輸出tensor
4、forward (args &args, kwargs &kwargs)：模型推理函數(shù)接口，輸入模型推理所必要的參數(shù)，返回模型推理結(jié)果
parameters：
input_tensor：輸入數(shù)據(jù)
core_id (int)：模型推理的core id，可為0,1,2，默認(rèn)為0表示任意核推理
priority (int)：當(dāng)前模型推理任務(wù)的優(yōu)先級(jí)，范圍[0~255]，越大優(yōu)先級(jí)越高
'''
-------------------------------------------------------------------------------------------------------------------------------
其中，forward方法的input_tensor支持三種格式輸入：
forward方法的返回值為模型推理結(jié)果，有如下兩種情況：
1.2 pyDNNTensorAI 算法輸入、輸出 tensor 類
-------------------------------------------------------------------------------------------------------------------------------
class hobot_dnn.pyeasy_dnn.pyDNNTensor
'''
Parameters：
1、properties (TensorProperties)：tensor的屬性，詳細(xì)參見(jiàn)本文1.3節(jié)
2、buffer (numpy)：tensor中的數(shù)據(jù)，數(shù)據(jù)訪問(wèn)方式同numpy
3、name (string)：tensor的名稱
'''
-------------------------------------------------------------------------------------------------------------------------------
1.3 TensorPropertiesAI 算法輸入/輸出 tensor 的屬性類
-------------------------------------------------------------------------------------------------------------------------------
class hobot_dnn.pyeasy_dnn.TensorProperties
'''
Parameters：
1、tensor_type (string)：tensor的數(shù)據(jù)類型，如：NV12、BGR、float32等
2、dtype (string)：數(shù)據(jù)的存儲(chǔ)類型，同numpy數(shù)據(jù)類型，如：int8、uint8、float32等
3、layout (string)：數(shù)據(jù)排布格式，NHWC或者NCHW
4、shape (tuple)：數(shù)據(jù)的shape信息，例如：(1,3,224,224)
'''
-------------------------------------------------------------------------------------------------------------------------------
1.4 loadload接口用于加載模型
-------------------------------------------------------------------------------------------------------------------------------
hobot_dnn.pyeasy_dnn.load(model_file)
'''
接口支持兩種模型加載方式：
1、輸入模型的文件路徑，加載單個(gè)模型，或者單個(gè)pack模型
model_file = "/userdata/single_model.bin"
models = hobot_dnn.pyeasy_dnn.load(model_file)
2、輸入模型的文件列表，加載多個(gè)模型
model_file = ["model1.bin", "model2.bin"]
models = hobot_dnn.pyeasy_dnn.load(model_file)
接口返回hobot_dnn.pyeasy_dnn.Model類型的tuple列表
'''
-------------------------------------------------------------------------------------------------------------------------------
2 快速上手示例X3派配套AI推理示例默認(rèn)安裝在/app/ai_inference目錄下，包含如下示例：
-------------------------------------------------------------------------------------------------------------------------------
|-- 01_basic_sample # 從本地讀取圖片并完成mobilenetv1分類模型推理
|-- 02_usb_camera_sample # 從USB camera獲取視頻數(shù)據(jù)并完成FCOS檢測(cè)模型推理
|-- 03_mipi_camera_sample # 從MIPI camera獲取視頻數(shù)據(jù)并完成FCOS檢測(cè)模型推理
|-- 05_web_display_camera_sample # 基于MIPI Camera的FCOS目標(biāo)檢測(cè)及web端展示
|-- 06_yolov3_sample # 從本地讀取圖片并完成Yolov3檢測(cè)模型推理
|-- 07_yolov5_sample # 從本地讀取圖片并完成Yolov5檢測(cè)模型推理
`-- models
-------------------------------------------------------------------------------------------------------------------------------
本節(jié)將以01_basic_sample為例，為大家展示如何使用hobot_dnn完成模型推理。運(yùn)行以下示例您需要準(zhǔn)備編譯好的混合異構(gòu)模型mobilenetv1_224x224_nv12.bin（存放于/app/ai_inference/models路徑下），以及一張圖片zebra_cls.jpg（存放于01_basic_sample文件夾下）。
-------------------------------------------------------------------------------------------------------------------------------
from hobot_dnn import pyeasy_dnn as dnn
import numpy as np
import cv2
# 查看模型輸入輸出節(jié)點(diǎn)的信息
def print_properties(pro):
print("tensor type:", pro.tensor_type)
print("data type:", pro.dtype)
print("layout:", pro.layout)
print("shape:", pro.shape)
# 依據(jù)模型input_type_rt決定是否需要進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換（本實(shí)例所用模型為nv12輸入）
def bgr2nv12_opencv(image):
height, width = image.shape[0], image.shape[1]
area = height * width
yuv420p = cv2.cvtColor(image, cv2.COLOR_BGR2YUV_I420).reshape((area * 3 // 2,))
y = yuv420p[:area]
uv_planar = yuv420p[area:].reshape((2, area // 4))
uv_packed = uv_planar.transpose((1, 0)).reshape((area // 2,))
nv12 = np.zeros_like(yuv420p)
nv12[:height * width] = y
nv12[height * width:] = uv_packed
return nv12
# 1.加載模型
models = dnn.load('../models/mobilenetv1_224x224_nv12.bin')
# 2.查看模型輸入輸出節(jié)點(diǎn)的信息
for input in models[0].inputs:
print_properties(input.properties)
for output in models[0].outputs:
print_properties(output.properties)
# 3.準(zhǔn)備輸入數(shù)據(jù)
# 打開(kāi)圖片
img_file = cv2.imread('./zebra_cls.jpg')
# 把圖片縮放到模型的輸入尺寸
h, w = models[0].inputs[0].properties.shape[2], models[0].inputs[0].properties.shape[3]
resized_data = cv2.resize(img_file, (w, h), interpolation=cv2.INTER_AREA)
nv12_data = bgr2nv12_opencv(resized_data)
# 4.模型推理
outputs = models[0].forward(nv12_data)
# 5.后處理
np.argmax(outputs[0].buffer)
print("cls id: %d Confidence: %f" % (np.argmax(outputs[0].buffer), outputs[0].buffer[0][np.argmax(outputs[0].buffer)]))
-------------------------------------------------------------------------------------------------------------------------------
地平線旭日X3派開(kāi)發(fā)板是我見(jiàn)過(guò)，AI計(jì)算算力最強(qiáng)，開(kāi)源程度最深，AI算法集成度最高的開(kāi)發(fā)板，再此表示感謝。
環(huán)境安裝在進(jìn)行AI算法開(kāi)發(fā)之前請(qǐng)參考X3派用戶手冊(cè)完成系統(tǒng)安裝及配置，此時(shí)X3派上已默認(rèn)安裝好了地平線Python版本AI推理引擎(hobot_dnn)及其配套依賴環(huán)境。hobot_dnn提供了Model、pyDNNTensor、TensorProperties三個(gè)類和load接口。您可通過(guò)如下方式獲取hobot_dnn的基本信息：
-------------------------------------------------------------------------------------------------------------------------------
python3
>>> from hobot_dnn import pyeasy_dnn as dnn
>>> dir(dnn)
['Model', 'TensorProperties', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__spec__', 'load', 'pyDNNTensor']
-------------------------------------------------------------------------------------------------------------------------------
AI推理引擎的更新可參考如下方式（出于系統(tǒng)安全、穩(wěn)定性的考慮，建議統(tǒng)一通過(guò)APT命令更新X3派板級(jí)開(kāi)發(fā)包）：
-------------------------------------------------------------------------------------------------------------------------------
#更新package列表
sudo apt update
#升級(jí)所有已安裝的軟件包到最新版本
sudo apt full-upgrade
#清除緩存文件（非必須）
sudo apt clean
#重啟設(shè)備
sudo reboot
-------------------------------------------------------------------------------------------------------------------------------
1 推理接口介紹1.1 ModelAI算法模型類，描述模型的名稱，輸入、輸出數(shù)據(jù)屬性信息，forward 方法用來(lái)完成算法的推理。
-------------------------------------------------------------------------------------------------------------------------------
class hobot_dnn.pyeasy_dnn.Model
'''
Parameters：
1、name (string)：模型名稱
2、inputs (tuple(hobot_dnn.pyeasy_dnn.pyDNNTensor))：模型的輸入tensor
3、outputs (tuple(hobot_dnn.pyeasy_dnn.pyDNNTensor))：模型的輸出tensor
4、forward (args &args, kwargs &kwargs)：模型推理函數(shù)接口，輸入模型推理所必要的參數(shù)，返回模型推理結(jié)果
parameters：
input_tensor：輸入數(shù)據(jù)
core_id (int)：模型推理的core id，可為0,1,2，默認(rèn)為0表示任意核推理
priority (int)：當(dāng)前模型推理任務(wù)的優(yōu)先級(jí)，范圍[0~255]，越大優(yōu)先級(jí)越高
'''
-------------------------------------------------------------------------------------------------------------------------------
其中，forward方法的input_tensor支持三種格式輸入：
forward方法的返回值為模型推理結(jié)果，有如下兩種情況：
resizer模型指在模型轉(zhuǎn)換時(shí)input_source設(shè)置為“resizer”編譯生成的模型，相關(guān)配置方式可參考社區(qū)X3 用戶手冊(cè)。resizer模型推理時(shí)，hobot_dnn會(huì)先使用ROI從輸入數(shù)據(jù)中摳圖后resize到模型輸入大小再送入模型進(jìn)行推理。
*目前resizer模式暫只支持單輸入的nv12/nv12_bt601模型。
1.2 pyDNNTensorAI 算法輸入、輸出 tensor 類
-------------------------------------------------------------------------------------------------------------------------------
class hobot_dnn.pyeasy_dnn.pyDNNTensor
'''
Parameters：
1、properties (TensorProperties)：tensor的屬性，詳細(xì)參見(jiàn)本文1.3節(jié)
2、buffer (numpy)：tensor中的數(shù)據(jù)，數(shù)據(jù)訪問(wèn)方式同numpy
3、name (string)：tensor的名稱
'''
-------------------------------------------------------------------------------------------------------------------------------
1.3 TensorPropertiesAI 算法輸入/輸出 tensor 的屬性類
-------------------------------------------------------------------------------------------------------------------------------
class hobot_dnn.pyeasy_dnn.TensorProperties
'''
Parameters：
1、tensor_type (string)：tensor的數(shù)據(jù)類型，如：NV12、BGR、float32等
2、dtype (string)：數(shù)據(jù)的存儲(chǔ)類型，同numpy數(shù)據(jù)類型，如：int8、uint8、float32等
3、layout (string)：數(shù)據(jù)排布格式，NHWC或者NCHW
4、shape (tuple)：數(shù)據(jù)的shape信息，例如：(1,3,224,224)
'''
-------------------------------------------------------------------------------------------------------------------------------
1.4 loadload接口用于加載模型
-------------------------------------------------------------------------------------------------------------------------------
hobot_dnn.pyeasy_dnn.load(model_file)
'''
接口支持兩種模型加載方式：
1、輸入模型的文件路徑，加載單個(gè)模型，或者單個(gè)pack模型
model_file = "/userdata/single_model.bin"
models = hobot_dnn.pyeasy_dnn.load(model_file)
2、輸入模型的文件列表，加載多個(gè)模型
model_file = ["model1.bin", "model2.bin"]
models = hobot_dnn.pyeasy_dnn.load(model_file)
接口返回hobot_dnn.pyeasy_dnn.Model類型的tuple列表
'''
-------------------------------------------------------------------------------------------------------------------------------
2 快速上手示例X3派配套AI推理示例默認(rèn)安裝在/app/ai_inference目錄下，包含如下示例：
-------------------------------------------------------------------------------------------------------------------------------
|-- 01_basic_sample # 從本地讀取圖片并完成mobilenetv1分類模型推理
|-- 02_usb_camera_sample # 從USB camera獲取視頻數(shù)據(jù)并完成FCOS檢測(cè)模型推理
|-- 03_mipi_camera_sample # 從MIPI camera獲取視頻數(shù)據(jù)并完成FCOS檢測(cè)模型推理
|-- 05_web_display_camera_sample # 基于MIPI Camera的FCOS目標(biāo)檢測(cè)及web端展示
|-- 06_yolov3_sample # 從本地讀取圖片并完成Yolov3檢測(cè)模型推理
|-- 07_yolov5_sample # 從本地讀取圖片并完成Yolov5檢測(cè)模型推理
`-- models
-------------------------------------------------------------------------------------------------------------------------------
本節(jié)將以01_basic_sample為例，為大家展示如何使用hobot_dnn完成模型推理。運(yùn)行以下示例您需要準(zhǔn)備編譯好的混合異構(gòu)模型mobilenetv1_224x224_nv12.bin（存放于/app/ai_inference/models路徑下），以及一張圖片zebra_cls.jpg（存放于01_basic_sample文件夾下）。
-------------------------------------------------------------------------------------------------------------------------------
from hobot_dnn import pyeasy_dnn as dnn
import numpy as np
import cv2
# 查看模型輸入輸出節(jié)點(diǎn)的信息
def print_properties(pro):
print("tensor type:", pro.tensor_type)
print("data type:", pro.dtype)
print("layout:", pro.layout)
print("shape:", pro.shape)
# 依據(jù)模型input_type_rt決定是否需要進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換（本實(shí)例所用模型為nv12輸入）
def bgr2nv12_opencv(image):
height, width = image.shape[0], image.shape[1]
area = height * width
yuv420p = cv2.cvtColor(image, cv2.COLOR_BGR2YUV_I420).reshape((area * 3 // 2,))
y = yuv420p[:area]
uv_planar = yuv420p[area:].reshape((2, area // 4))
uv_packed = uv_planar.transpose((1, 0)).reshape((area // 2,))
nv12 = np.zeros_like(yuv420p)
nv12[:height * width] = y
nv12[height * width:] = uv_packed
return nv12
# 1.加載模型
models = dnn.load('../models/mobilenetv1_224x224_nv12.bin')
# 2.查看模型輸入輸出節(jié)點(diǎn)的信息
for input in models[0].inputs:
print_properties(input.properties)
for output in models[0].outputs:
print_properties(output.properties)
# 3.準(zhǔn)備輸入數(shù)據(jù)
# 打開(kāi)圖片
img_file = cv2.imread('./zebra_cls.jpg')
# 把圖片縮放到模型的輸入尺寸
h, w = models[0].inputs[0].properties.shape[2], models[0].inputs[0].properties.shape[3]
resized_data = cv2.resize(img_file, (w, h), interpolation=cv2.INTER_AREA)
nv12_data = bgr2nv12_opencv(resized_data)
# 4.模型推理
outputs = models[0].forward(nv12_data)
# 5.后處理
np.argmax(outputs[0].buffer)
print("cls id: %d Confidence: %f" % (np.argmax(outputs[0].buffer), outputs[0].buffer[0][np.argmax(outputs[0].buffer)]))
-------------------------------------------------------------------------------------------------------------------------------
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
開(kāi)發(fā)板試用
+關(guān)注
關(guān)注
3文章
303瀏覽量
2643
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
半年參與3萬(wàn)輛寶馬X3生產(chǎn)，人形機(jī)器人“進(jìn)廠打工”真成了
了其人形機(jī)器人“進(jìn)廠打工”的最新成果。 ? Figure 02：半年參與3萬(wàn)輛寶馬X3生產(chǎn)，進(jìn)入退役階段 ? 根據(jù)Figure AI的說(shuō)法，在過(guò)去的六個(gè)月內(nèi)，其第二代人形機(jī)器人Figure 02已經(jīng)在寶馬集團(tuán)斯帕坦堡工廠參與生產(chǎn)了3
華為路由 X3 Pro火了！業(yè)界首發(fā)Wi-Fi7+和透明天線，1299元起
電子發(fā)燒友原創(chuàng) 章鷹 11月25日，在華為 Mate 80 系列 / Mate X7 及全場(chǎng)景新品發(fā)布會(huì)上，華為消費(fèi)者BG CEO何剛宣布，首款藝術(shù)路由——華為路由 X3 Pro日照金山發(fā)布。這款
地平線助力博世中階智能輔助駕駛方案量產(chǎn)交付
2025年4月，地平線與博世深化戰(zhàn)略合作，雙方基于征程6系列加速智能輔助駕駛方案的研發(fā)與應(yīng)用。近日，搭載征程6M的博世中階智能輔助駕駛方案的全新量產(chǎn)合作車型東風(fēng)奕派eπ007+、北京越野BJ40增程元境智行版先后上市，標(biāo)志著地平線
安謀發(fā)布“周易”X3 NPU，破局AI算力，智繪未來(lái)藍(lán)圖
2025年11月13日，國(guó)內(nèi)領(lǐng)先的芯片IP設(shè)計(jì)與服務(wù)提供商安謀科技Arm China，正式揭開(kāi)了新一代NPU IP“周易”X3的神秘面紗。通過(guò)其創(chuàng)新的專為大模型設(shè)計(jì)的DSP+DSA混合架構(gòu)與軟硬協(xié)同
地平線與Unity中國(guó)達(dá)成戰(zhàn)略合作
近日，中國(guó)智駕科技領(lǐng)軍企業(yè)地平線與全球領(lǐng)先的實(shí)時(shí)3D內(nèi)容創(chuàng)作和運(yùn)營(yíng)平臺(tái)Unity正式簽署戰(zhàn)略合作協(xié)議。雙方將深度融合地平線HSD (Horizon SuperDrive) 人機(jī)交互系統(tǒng)與Unity
奇瑞風(fēng)云X3系列雙車上市
8月16日，奇瑞汽車旗下風(fēng)云品牌全新方盒子產(chǎn)品序列——風(fēng)云X3與風(fēng)云X3 PLUS正式宣告上市。風(fēng)云X3系列基于iCAR 03系列煥新升級(jí)而來(lái)，在造型設(shè)計(jì)、動(dòng)力性能、智能科技、功能配置及工藝品質(zhì)等維度實(shí)現(xiàn)全方位躍升。
【BPI-CanMV-K230D-Zero開(kāi)發(fā)板體驗(yàn)】香蕉派 K230D 視覺(jué)開(kāi)發(fā)板開(kāi)箱+CamMV 環(huán)境搭建
【開(kāi)箱】
今天收到了香蕉派 Banana Pi BPI-CanMV-K230D-Zero 開(kāi)發(fā)板，先上圖一睹為快。
【處理器介紹】
這款開(kāi)發(fā)板搭載嘉楠科技 K230D 處理器，K
發(fā)表于 06-24 22:54
韻樂(lè)Vinal X3/X5卡拉OK音頻處理器調(diào)音軟件簡(jiǎn)介
韻樂(lè)Vinal X3/X5卡拉OK音頻處理器調(diào)音軟件軟件簡(jiǎn)介韻樂(lè)Vinal X3/X5調(diào)音軟件具有音箱處理器功能的卡拉ok效果器每個(gè)功能部分都獨(dú)立可調(diào)且有相應(yīng)的PC界面可直觀調(diào)節(jié)易于操
發(fā)表于 05-16 15:33
?1次下載
RDK X3 帶飛的智能護(hù)理系統(tǒng)：讓機(jī)器人秒變貼心小棉襖
濟(jì)往開(kāi)來(lái)團(tuán)隊(duì)帶著超燃黑科技來(lái)了！基于 RDK X3 開(kāi)發(fā)的老年智能監(jiān)控系統(tǒng)，跌倒秒報(bào)警、手勢(shì)一鍵呼叫、還能陪嘮嗑！最絕的是 開(kāi)源代碼直接甩鏈接 ，技術(shù)黨狂喜！
地平線與博世達(dá)成戰(zhàn)略合作
近日，地平線正式宣布與全球領(lǐng)先的汽車技術(shù)與服務(wù)供應(yīng)商博世達(dá)成戰(zhàn)略合作。根據(jù)協(xié)議，博世將基于地平線征程6B打造新一代多功能攝像頭，并基于征程6E/M打造博世縱橫輔助駕駛升級(jí)版。目前，基于征程6系列開(kāi)發(fā)的博世新一代多功能攝像頭與博世
地平線城區(qū)輔助駕駛系統(tǒng)HSD解讀
近日，在2025地平線年度產(chǎn)品發(fā)布會(huì)上，地平線城區(qū)輔助駕駛系統(tǒng)HSD正式發(fā)布。作為國(guó)內(nèi)首個(gè)軟硬結(jié)合全棧開(kāi)發(fā)的城區(qū)輔助駕駛系統(tǒng)，地平線HSD搭載當(dāng)前最高性能的國(guó)產(chǎn)智駕計(jì)算方案征程6P，采
HMC-XTB110 無(wú)源x3倍頻器，24-30GHz輸入技術(shù)手冊(cè)
應(yīng)用。 所有焊盤和芯片背面都經(jīng)過(guò)Ti/Au金屬化。 HMC-XTB110無(wú)源x3 MMIC可兼容常規(guī)的芯片貼裝方法，以及熱壓縮和熱超聲線焊，非常適合MCM和混合微電路應(yīng)用。 此處顯示的所有數(shù)據(jù)均是芯片在50 Ohm環(huán)境下使用RF探頭接觸測(cè)得。
“你的錢來(lái)了”：財(cái)神1號(hào)，RDK X3驅(qū)動(dòng)，自動(dòng)撿錢不手軟！
采用 RDK X3 打造無(wú)情的撿錢機(jī)器，每天8億紙幣掉在路面上，財(cái)神1號(hào)幫你撿個(gè)夠！
地平線SuperDrive相關(guān)問(wèn)答
近日，地平線SuperDrive智駕百人團(tuán)體驗(yàn)活動(dòng)圓滿落幕，現(xiàn)場(chǎng)130余家媒體對(duì)地平線SuperDrive表現(xiàn)出濃厚的興趣并提出了諸多問(wèn)題。對(duì)此，地平線特意整理了大家提出的典型問(wèn)題并進(jìn)行解答，希望能幫助大家更全面地了解這套擬人的
Cadence推出Palladium Z3與Protium X3系統(tǒng)
楷登電子(Cadence)公司近日宣布，正式推出新一代Cadence? Palladium? Z3 Emulation和Protium? X3 FPGA原型驗(yàn)證系統(tǒng)。這一組合標(biāo)志著數(shù)字孿生
工商網(wǎng)監(jiān)
評(píng)論