0，上一篇回顾 Lattice FPGA & AI——Object Counting参考设计 CNN训练部分 https://blog.csdn.net/baidu_21861345/article/details/100711018 通过Tensorflow训练我们得到了checkpoint文件并将它freeze成了pb文件。pb文件可以送入sensAI做神经网络分析，Inference仿真，F

更多精彩内容，请微信搜索“FPGAer俱乐部”关注我们 系统设计领域掀起的一股新潮预示着网络边缘解决方案的设计人员即将面临巨大的机遇和挑战。如今，随着越来越多的公司和组织通过云端来削减成本，并最大化效率，低延迟要求、日益严峻的隐私问题和通信网络限制推动了对物联网网络边缘“物件”更高智能的需求。这些新应用要求采用接近物联网传感器数据源，而非云端的基于机器学习的计算解决方案，此外还需要片上的计算资源

屡获殊荣的sensAI解决方案现由日益扩大的合作伙伴生态系统提供支持   无缝用户体验，支持新的神经网络模型、机器学习框架和缩短设计周期   适用于对象计数和存在检测等热门物联网应用的新的可定制参考设计   日益壮大的合作伙伴生态系统，涵盖设计服务和全面的产品开发，以加快产品上市   俄勒冈州希尔斯伯勒--(美国商业资讯)--低功耗可编程解决方案的领先供应商莱迪思半导体公司(NAS

全新的毫瓦级功耗FPGA解决方案 为机器学习推理在大众市场物联网应用中实现快速部署创造机遇 将AI加速部署到快速增长的消费电子和工业IoT应用，如移动设备、智能家居、智慧城市、智能工厂和智能汽车产品 经过优化具有ASIC超低功耗（小于1mW-1W）、尺寸小、批量价格低（约1-10美元）的优势，兼备FPGA的灵活性，以支持算法演进、各类接口和性能 功能全面的Lattice sensAI通过合