- 发布
- 奇河控制技术(苏州)有限公司
- 电话
- 0512-68418950
- 手机
- 13771870406
- 发布时间
- 2023-08-01 10:05:58
原理
AI的许多数据处理涉及矩阵乘法和加法。大量并行工作的GPU提供了一种廉价的方法,但缺点是更高的功率。具有内置DSP模块和本地存储器的FPGA更节能,但它们通常更昂贵。AI芯片该使用什么方法原理去实现,DeviceNet,仍然众说纷纭,这是新技术的特点,探索阶段百花齐放,这也与深度学习等算法模型的研发并未成熟有关,即AI的基础理论方面仍然存在很大空白。这是指导芯片如何设计的基本前提。因此,集中在如何更好的适应已有的数据流式处理模式进行的芯片优化设计。技术手段方面AI市场的di一颗芯片包括现成的CPU,GPU,FPGA和DSP的各种组合。虽然新设计正在由诸如英特尔、谷歌、英伟达、高通,以及IBM等公司开发,但还不清楚哪家的方法会胜出。似乎至少需要一个CPU来控制这些系统,但是当流数据并行化时,就会需要各种类型的协处理器。
工业总线:DeviceNet
初由Allen-Bradley(AB)开发。AB属于罗克韦尔自动。为了产品的推广,他们决定开放这项新技术,并使其成为一个开放的协议。
DeviceNet现在由 OpenDeviceNet供应商协会(ODVA)提供制定标准,并允许第三方供应商使用其网络协议。
结构
DeviceNet遵循OSI模型和通用工业协议(Common Industrial Protocol)
OSI模型很重要吧
物理层由电缆,节点,接头和终端电阻组成。
数据链路层,DeviceNet使用控制器区域网络(CAN标准)处理所有控制器和设备之间的消息传递。
网络和传输层:作用是通过connection ID与设备建立连接。connection ID是由设备的MAC ID和Message ID节点组成。
地址的有效范围是0到63。
Connection ID的优点是它可以通过MACID识别重复的地址,并向用户发出需要修改的信号.