Hexagon DSP 发布SDK 3.3.2，打造全新神经网络库

将推理、场景分类、图像处理和视频回放增强之类的工作负载放到边缘设备（如智能手机）的CPU和GPU进行处理，会耗尽运行周期并缩短电池使用寿命。DSP编程越方便，您的应用就能更快地以更高性能和更低功耗运行类似的工作负载。

如果您是嵌入式开发者，会发现工具包包含了各种常用的编程工具。如果您是移动应用开发者，也会找到顺利过渡到DSP编程所需的一切。坦白说，这些工具对部分人员来说可能觉得难以应付，但其实大可不必有这种想法。

本文将一一介绍SDK中包含的更高可用性方法。

1. 不用从头开始DSP编程。为您提供了大量的示例代码。

为显示我们对可用性的认真态度，我们添加了SDK示例代码和文档。您可以找到Hexagon Vector eXtensions（HVX）基准示例代码，和在Hexagon上使用Halide的示例代码。另外，还更新了入门指南和分析器、模拟器和调试器文档。我们制作了QuRT（运行在Hexagon上的实时操作系统）和DSP Compute用户指南，并更新了HVX上下文保存/恢复功能。

2. 不用重写C++算法。已经在DSP上提供了相关支持。

很多开发者受到高性能和低功耗的双重诱惑，而从嵌入式领域转向DSP编程。之前他们花了多年时间完善运行在CPU上的C或C++算法，例如低光视频捕捉、图像稳定或卷积神经网络。如果不能确定是否能够实现承诺得好处，不会有多少人愿意再重新为DSP写代码并进行优化。

从去年1月份开始，我们提供了一个编译器和库，利用Hexagon SDK在DSP编程时使用C++语言。现在，在SDK 3.3.2中，我们更新了编译器工具链，允许在Hexagon DSP上执行以C++ 11/14编写的框架和算法。

这就意味着无需重新编写这些算法，就可以直接为DSP重新编译，并在Hexagon上运行。这是第一个巨大的进步，您会看到性能提升和耗能减少。大多数情况下，我们希望您作进一步优化。

3. 不用编写自己的编程工具。已经提供了编程工具。

Hexagon包含DSP逻辑以及类似于CPU的功能和特性，因此可以将其视为嵌入式处理器。在Hexagon SDK 3.3.2中，我们补充了用于编写、调试和分析的工具集，确保您的应用从底层硬件中获得最大收益：

•完整的工具箱——在SDK中，您可以找到完整的LLVM工具链（编译器、链接器、汇编器）、诊断日志记录、性能监视器、动态链接器和加载器以及支持协同仿真和虚拟平台的仿真器。

•调试器——我们增加了LLDB支持，意味着能更好地支持C和C++代码。现在，当您通过USB连接开发工作站和参考板或设备时，可以在IDE中执行常见的调试操作，例如单步执行调试代码，使用断点，检查寄存器或内存内容。

•IDE插件——SDK包含Eclipse IDE插件，以便更好地与开发环境集成。

•Profiler——在DSP分析器sysMon中，我们完善并允许您访问相关功能，方便您更深入地了解算法性能。为帮助您了解代码在Hexagon上的执行情况，sysMon收集并显示性能、缓存和其他相关指标。

有了这一功能强大的补充，您会发现SDK更加易用。

4. 不用构建自己的图像处理语言。为您提供了Halide工具。

如果您开发相机和图像项目，可能听说过或使用过Halide，实现高性能视觉和成像算法。我们认为Halide和Hexagon是绝佳搭配，所以我们联合Google一起为HVX构建了一个Halide工具集。以下是我们为您提供的工具：

•Halide编译器——作为Hexagon SDK 3.3.2和Hexagon LLVM工具集的一部分，Halide工具集提供了一个针对Hexagon DSP和HVX的Halide编译器。这意味着，如果您熟悉C++语言结构，就不需要深入了解底层处理器架构，就可以开始编写Halide程序。相反，您可以把精力集中在从DSP为图像算法获得尽可能多的性能。

•Halide运行环境——利用此运行环境，您可以通过添加一个简单的.hexagon()指令，轻松地将内核函数透明分派到Hexagon。这在异构计算中十分方便。

•Halide简洁性——我们自己在Qualcomm骁龙835和845移动平台设备上进行的图像处理测试中，首先从一个大约有175行汇编代码的高效算法开始。然后把它重写成一个C例程，大约有100行代码，性能略有下降。最后，我们使用Halide重写，不到二十几行代码，获得和汇编代码相同的性能。 当然了实现情况因人而异，但如果您喜欢编码紧凑，Halide也许是您的菜。

5. 不用编写自己的神经网络库。为您提供了一个。

越来越多的人谈论设备端处理如何给AI应用带来优势，以及如何在云端训练神经网络模型，然后在设备端运行推理。大多数公司都试图在CPU或GPU上优化AI处理，但在 Qualcomm Technologies，Inc.（QTI） ，过去数年时间我们一直在对DSP上的AI处理进行优化。