Startseite > Wissen > Inhalt
Lassen Sie eingebettete Geräte maschinelles Lernen implementieren!
- Jul 12, 2018 -

NXP Semiconductors hat eine benutzerfreundliche, verallgemeinerte Machine-Learning-Entwicklungsumgebung für die Entwicklung innovativer Anwendungen mit High-End-Funktionen angekündigt. Jetzt, von NXPs kostengünstigen Mikrocontrollern (MCUs) bis hin zu wegweisenden, grenzüberschreitenden i.MX RT-Prozessoren und leistungsstarken Anwendungsprozessoren, können Kunden maschinelles Lernen einfach implementieren.

Die Entwicklungsumgebung für maschinelles Lernen bietet eine umfassende Standardlösung, mit der Benutzer die beste Ausführungs-Engine vom ARM Cortex-Kern zu einem leistungsstarken GPU / DSP-Komplex (Graphics Processing Unit / Digital Signal Processor) auswählen können. und bietet auch die Bereitstellung für diese Engines. Ein Werkzeug für maschinelles Lernen Modelle (einschließlich neuronaler Netze).

Embedded Artificial Intelligence (KI) wird immer mehr zur grundlegenden technischen Fähigkeit der Kantenverarbeitung, die es "intelligenten" Geräten ermöglicht, die Umgebung zu "erkennen" und auf der Basis empfangener Informationen Entscheidungen mit wenig oder keinem menschlichen Eingriff zu treffen. Die Entwicklungsumgebung für maschinelles Lernen von NXP trägt dazu bei, dass maschinelles Lernen in den Bereichen Sicht-, Sprach- und Anomalieerkennung schnell wächst.

Vision-basierte Machine-Learning-Anwendungen liefern über Kameras eine Vielzahl von Algorithmen zum maschinellen Lernen (wobei neuronale Netzwerke am beliebtesten sind). Diese Anwendungen decken die meisten vertikalen Marktsegmente ab und führen Funktionen wie Objekterkennung, Authentifizierung und Personenstatistik aus. Sprachaktivierte Geräte (Voice-Activated Devices, VADs) treiben den Bedarf an Edge-Machine-Learning an, um Aktivierungserkennung, Verarbeitung natürlicher Sprache und "Sprachbenutzerschnittstelle" -Anwendungen zu ermöglichen. Die maschinell lernende Anomalieerkennung (nach dem Vibration / Sound-Modus) ist in der Lage, drohende Ausfälle zu erkennen, was wiederum die Ausfallzeiten von Anlagen erheblich reduziert und schnelle Veränderungen in Industrie 4.0 ermöglicht. NXP bietet seinen Kunden eine Vielzahl von Lösungen, um maschinelles Lernen in ihre Anwendungen zu integrieren.

Die NXP Machine Learning Development Environment bietet kostenlose Software, mit der Kunden ihre eigenen TensorFlow- oder Caffe-Modelle importieren, in optimierte AI-Inferenz-Engines konvertieren und in den umfassenden und skalierbaren Prozesslösungen von NXP (von MCU bis hochintegriert) einsetzen können. MX- und Layerscape-Prozessoren).

"Bei der Verwendung von maschinellem Lernen in eingebetteten Anwendungen müssen Sie sowohl Kosten als auch Endbenutzererfahrung abwägen. Zum Beispiel kann die Inferenz-Engine von AI in unseren kosteneffektiven MCUs eingesetzt werden und genug Leistung erhalten, was für viele immer noch überraschend ist." Auf der anderen Seite verfügen unsere leistungsstarken Cross-Border- und Anwendungsprozessoren auch über eine leistungsstarke Verarbeitungsleistung, die eine schnelle KI-Argumentation und Schulung in vielen Kundenanwendungen ermöglicht ", sagte Markus Levy, Leiter der Technologie für künstliche Intelligenz bei NXP. Wir werden das Wachstum in diesem Anwendungsbereich mit Prozessoren der nächsten Generation vorantreiben, die das maschinelle Lernen beschleunigen sollen. "

Eine weitere wichtige Voraussetzung für die Einführung von AI / Machine-Learning-Technologie in Edge-Computing-Anwendungen ist die einfache und sichere Bereitstellung und Aktualisierung von eingebetteten Geräten aus der Cloud. Die EdgeScale-Plattform unterstützt die sichere Konfiguration und Verwaltung von IoT- und Edge-Geräten. EdgeScale ermöglicht eine kontinuierliche End-to-End-Entwicklung und -Lieferung durch die Integration von KI- / Machine-Learning- und Inferenz-Engines in die Cloud und die automatische Bereitstellung integrierter Module auf Edge-Geräten.

Um eine breite Palette von Kundenbedürfnissen zu erfüllen, hat NXP außerdem ein Partner-Ökosystem geschaffen, das Kunden mit Technologieanbietern verbindet, um die Produktentwicklung durch bewährte Tools für maschinelles Lernen, Inferenz-Engines, Lösungen und Design-Services zu beschleunigen. Produktion und Time-to-Market. Zu den Mitgliedern des Ökosystems gehören Au-Zone Technologies und Pilot.AI.

Au-Zone Technologies bietet das branchenweit erste eingebettete Machine-Learning-Toolkit und die Runing-Inferenz-Engine DeepView, mit der Entwickler das gesamte SoC-Portfolio von NXP (einschließlich Cortex-A, Cortex-M-Core und GPU) nutzen können. Stellen Sie CNN auf dem Fabric bereit und richten Sie es ein.

Pilot.AI hat ein Framework zur Implementierung einer Vielzahl von Wahrnehmungsaufgaben auf einer Vielzahl von Client-Plattformen aufgebaut, von Mikrocontrollern bis zu GPUs, einschließlich Erkennung, Klassifizierung, Verfolgung und Identifizierung sowie Datensammlungs- / Klassifizierungs-Tools und Vortraining. Modell zur direkten Implementierung der Modellbereitstellung.


Copyright © Zhuhai MYZR Technology Co., Ltd vorbehalten alle Rechte.