Steve Glaser 同时也承认，赛灵思方案虽然是打造下一代机器学习导向自主系统的理想选择，但是长期以来，这种方案还只属于那些拥有一定的硬件或者 RTL 设计基础工程师的客户。对于更广泛的应用和支持使用行业标准库和框架进行软件定义编程，还存在很大的障碍。reVISION?堆栈的诞生，正式为解决这个通往广泛应用的障碍而来。

reVISION?堆栈：消除广泛机器学习应用的障碍

众所周知，1984 年在加利福尼亚圣何塞市成立的赛灵思是 FPGA 的发明者。FPGA 全称为现场可编辑门阵列，作为专用集成电路领域中的一种半制定电路，可以针对特定任务进行重新编辑，计算效率高。作为近些年备受业界关注的深度学习计算硬件平台，FPGA 市场一直被各巨头公司所关注、看好。2015 年英特尔完成了其迄今为止最大收购——以 167 亿美元收购赛灵思的竞争对手 FPGA 生产商 Altera 就是一个很好的证明。

事实上，赛灵思公司早在 2016 年就实现了从 FPGA（可编程逻辑）向 All Programmable(全可编程) 产品和技术的全面转型，现今产品覆盖 FPGA、SoC、MPSoC、RFSoC、3DIC。这次转型首先从产品上打开了可编程产品在更多领域应用的可能性，其次就是通过工具革新打破硬件编程的模式局限，致力于让广泛领域的工程师们可以使用这种硬件解决方案进行设计——既然是 SoC，是数据中心，那么面向的必然是广大的软件、算法工程师们。因此，赛灵思在工具上有了主要针对软件及算法工程师而且使用户增长 5 倍达 25 万的蓝图，即赛灵思工具上的三大步：

2012 年推出 Vivado HLS (高层次综合) 工具，可以将 C,C++ 或者 System C 代码自动转化为硬件面试语言。Vivado HLS 不仅能加速算法实现，还能将验证时间缩短多达 1 万倍。然而这个工具还是需要硬件专业人员的参与。

为进一步加快设计进程，减少对硬件专家的依赖，赛灵思在 2015 年推出了基于 C、C++和 OpenCL 语言的 SDSoC 开发环境。虽然这帮助其它上千名能够开发自己的基础平台、库和应用的用户大幅缩短了开发周期，但仍无法满足广泛机器学习应用推广与部署的要求，而且机器学习也带来了复杂问题。

如今，在这样的大环境下，赛灵思推出了 reVISION?堆栈技术，致力于实现传统的嵌入式视觉系统到视觉导向的自动化系统的转变，并移除全可编程技术广泛应用的障碍。

全可编程技术向广泛视觉导向机器学习应用扩展的障碍在于软件定义的编程模式、库以及框架。而在软件定义开发方面，易用性恰恰是用户关注的重点。

「reVISION?堆栈的诞生正是为此而来」，Steve Glaser 说道。reVISION?堆栈的诞生扫清了全可编程技术广泛应用的障碍，支持具有很少甚至没有硬件知识或 RTL 设计专长的软件和系统工程师，使其可以使用软件定义开发流程就能将机器学习和计算机算法的高效实现方案整合到响应迅速的系统中，更轻松、更快速地开发视觉导向的智能系统。一旦将机器学习、计算机视觉、传感器融合和连接的优势融为一体，这些工程师将从中大受裨益。

reVISION?堆栈包括用于平台、算法和应用开发的丰富开发资源。它支持最流行的神经网络，例如 AlexNet、GoogLeNet、SqueezeNet、SSD 和 FCN，同时也支持库元素如卷积神经网络网络层的预定义优化型实现方案，这也是构建定制神经网络所需的。同时，堆栈配合了丰富的满足加速要求的 OpenCV 功能，可以支持机器视觉处理。对应用层面的开发来说，赛灵思支持流行的框架，包括用于机器学习的 Caffe 和用于计算机视觉的 OpenVX（将于 2017 年下半年推出）。reVISION?堆栈还包括赛灵思和第三方提供的基于 Zynq SoC 和 MPSoC 的开发平台。Steve Glaser 称，虽然目前仅支持 Caffe 框架，但是未来计划拓展到更多的框架比如 TensorFlow，也会根据用户的需求进行拓展。

　　reVISION?堆栈包含广泛的平台、算法、应用开发资源