描述
该参考设计演示了
如何在sitara am57x片上系统（soc）上
使用ti深度学习（tidl）/机器学习
为嵌入式应用带来深度学习推理
该设计展示了如何在c66x dsp内核（适用于所有am57x soc）
嵌入式视觉引擎（eve）子系统上运行深度学习推理
这些子系统在am5749 soc上
被视为黑盒子深度学习加速器
参考设计适用于任何希望将深度学习
机器学习推理带入嵌入式应用程序的应用程序
希望快速开始使用深度学习网络
评估自己在am57x设备上的网络性能
客户将找到有关如何使用tidl
作为ti免费am57x处理器
sdk的一部分的分步指南。
特征
am57x soc的嵌入式深度学习推理
am57x上的性能可扩展ti深度学习库
（tidl库）仅使用c66x内核
仅使用eve子系统或c66x + eve组合
性能优化参考cnn模型用于对象分类
检测和像素级语义分割
全面介绍tidl开发流程：
培训
导入和部署
流行的深度学习网络的基准
此参考设计在am5749 idk evm上进行了测试
包括c66x核心
eve子系统上的tidl库
参考cnn模型和入门指南
(素材来源：teaxslnstruments.如涉版权请联系删除。特别感谢)
