恩智浦让嵌入式设备实现机器学习!从MCU到AP,一个都不能少

分享到:

恩智浦将嵌入式AI环境延伸至边缘处理应用,恩智浦的机器学习方案支持可扩展处理解决方案,同时兼顾成本和最终用户体验需求。

恩智浦半导体日前宣布推出易于使用的泛化机器学习开发环境,用于构建具有高端功能的创新应用。现在,对于恩智浦的从低成本微控制器(MCU)到突破性的跨界i.MX RT处理器和高性能应用处理器等设备,客户都可以轻松实现机器学习功能。

机器学习开发环境提供全套即用型方案,用户可以在ARM Cortex内核到高性能GPU/DSP(图形处理单元/数字信号处理器)复合体等中选择最佳执行引擎,还提供在这些引擎上部署机器学习模型(包括神经网络)的工具。

QQ截图20180622232927

嵌入式AI兴起

嵌入式人工智能(AI)正迅速成为边缘处理的基本技术能力,使“智能”设备能够“意识到”周围环境,并在很少或根本没有人为干预的情况下根据接收的信息做出决定。恩智浦的机器学习开发环境有助于机器学习在视觉、语音和异常检测领域的应用快速增长。

基于视觉的机器学习应用通过摄像头向各类机器学习算法(其中神经网络最为流行)提供输入信息。这些应用涵盖大部分细分垂直市场,并可执行诸如对象识别、身份验证、人员统计等功能。语音激活设备(VAD)正推动边缘机器学习的需求,以实现唤醒词检测、自然语言处理以及“语音用户界面”应用。基于机器学习的异常检测(根据振动/声音模式)能够识别即将发生的故障,进而大幅减少设备停机时间,实现工业4.0的快速变革。恩智浦为客户提供多种将机器学习集成到应用中的方案。

机器学习走向边缘

恩智浦机器学习开发环境提供免费软件,允许客户导入自己训练的TensorFlow或Caffe模型、将它们转换为优化的AI推理引擎,并部署在恩智浦丰富的可扩展处理解决方案(从MCU到高度集成的i.MX和Layerscape处理器)中。

“在嵌入式应用中使用机器学习时,必须同时兼顾成本和最终用户体验。例如,在我们的高性价比MCU中也可以部署AI推理引擎,并获得足够的性能,这让许多人仍然感到惊讶。”恩智浦人工智能技术主管Markus Levy表示,“另一方面,我们的高性能跨界和应用处理器也拥有强大处理能力,在许多客户应用中都可以实现快速AI推理和训练。随着AI应用的不断扩展,我们将通过旨在加快机器学习的下一代处理器持续推动该应用领域的增长。”

将AI/机器学习技术引入边缘计算应用的另一个关键要求是可以从云端轻松、安全地部署和升级嵌入式设备。EdgeScale平台支持对物联网和边缘设备进行安全配置和管理。EdgeScale通过在云端集成AI/机器学习和推理引擎,并自动将集成模块安全地部署到边缘设备,实现端到端的持续开发和交付体验。

伙伴生态系统

为了满足广泛的客户需求,恩智浦还创建了一个机器学习合作伙伴生态系统,将客户与技术供应商联系起来,通过经过验证的机器学习工具、推理引擎、解决方案和设计服务,加快产品研发、生产和上市时间。生态系统的成员包括Au-Zone Technologies和Pilot.AI。

Au-Zone Technologies提供业界首个端到端的嵌入式机器学习工具包和运行推理引擎DeepView,使开发人员能够在恩智浦的全部SoC产品组合(包括Arm Cortex-A、Cortex-M内核和GPU的异构混合体)上部署和设置CNN。

Pilot.AI已构建了一个框架,能够在各类客户平台(从微控制器到GPU)上实现各种感知任务,包括检测、分类、跟踪和识别,并提供数据收集/分类工具和预先训练的模型,以直接实现模型部署。

继续阅读
世界杯结束了,那些AI预测的冠军准确吗?

研究人员和科学家们试图利用人工智能(AI)和统计数据来预测世界杯64场比赛的结果,可它有多可靠呢?

风起云涌的AI芯片,有哪些入局者?

一场新的军备竞赛已经打响,不在地面,不在空中,它将是虚拟网络世界新一代基石,也是AI时代连接虚拟和现实的核心。

工业物联网何时落地?云平台与AI技术是关键

工业物联网仍属于自动化范畴,要真正达到智能化,必须倚靠之后云端平台与AI技术的导入。

恩智浦新型射频功率模块,上手更容易,性能不打折

易用性以及在不同频率下的设计再利用,这两种特性以往与射频功率解决方案毫不相干,但这种情况现在发生了改变。射频功率产品的领导者恩智浦半导体宣布推出两款新型功率模块,有望成为未来数年的新标准。

一周岁了!恩智浦i.MX RT取得了哪些成果?

2017年6月,恩智浦半导体推出了i.MX RT系列跨界处理器。所谓“跨界”就是其介于传统的MPU和MCU之间,既具有MPU应用处理器般的性能,同时又继承了MCU的开发工具链,为嵌入式开发者提供了一个新的选择