本白皮书探讨了如何基于卡恩过程网络 (KPN) 定义 AI 引擎图编程模型。KPN 模型有助于使数据流并行,从而提高系统的整体性能。对 AI 引擎阵列进行编程需要全面了解要实现的算法、AI 引擎的功能以及各个功能单元之间的整体数据流。AI 引擎内核是在 AI 引擎上运行的函数,构成数据流图规范的基本构建块。数据流图是具有确定性行为的 KPN。本白皮书还包括一个示例设计,用于说明具有四个 AI 引擎内核的数据流图,这些内核构成了数据流图规范的基本构建块。此示例还演示了设计中的数据流停滞,并提供了一个解决方案。