Startseite > Wissen > Inhalt
Mit NXP können eingebettete Geräte maschinelles Lernen implementieren!
- Jun 29, 2018 -

NXP erweitert die eingebettete AI-Umgebung um Edge-Processing-Anwendungen. Die maschinelle Lernlösung von NXP unterstützt skalierbare Verarbeitungslösungen unter Berücksichtigung der Kosten- und Endanwenderanforderungen.

 

NXP Semiconductors hat die Einführung einer einfach zu bedienenden, verallgemeinerten Machine-Learning-Entwicklungsumgebung angekündigt, um innovative Anwendungen mit High-End-Funktionen zu entwickeln. Kunden können nun einfach Maschinenlernfunktionen für NXP-Geräte implementieren, die von kostengünstigen Mikrocontrollern (MCUs) bis hin zu bahnbrechenden i.MX RT-Prozessoren und leistungsstarken Anwendungsprozessoren reichen.

 

Die Entwicklungsumgebung für maschinelles Lernen bietet einen vollständigen Satz gebrauchsfertiger Lösungen. Benutzer können die beste Ausführungs-Engine von ARM Cortex-Cores bis hin zu leistungsstarken GPU / DSP-Komplexen (Graphics Processing Unit / Digital Signal Processor) auswählen und auch den Einsatz auf diesen Engines bereitstellen. Maschinenlernmodell (einschließlich neuronales Netzwerk).

Emerging Embedded AI

 

Embedded Artificial Intelligence (KI) wird immer mehr zur grundlegenden technologischen Fähigkeit der Kantenverarbeitung, die es " intelligenten " Geräten ermöglicht, die Umgebung zu " erkennen " und basierend auf den empfangenen Informationen Entscheidungen mit wenig oder keinem menschlichen Eingriff zu treffen. NXPs Entwicklungsumgebung für maschinelles Lernen unterstützt das schnelle Wachstum des maschinellen Lernens in visuellen, Sprach- und Anomalie-Erkennungsanwendungen.

 

Vision-basierte Machine-Learning-Anwendungen liefern Eingabeinformationen über Kameras für verschiedene Arten von maschinellen Lernalgorithmen, wobei neuronale Netzwerke am beliebtesten sind. Diese Anwendungen decken die meisten der unterteilten vertikalen Märkte ab und können Funktionen wie Objekterkennung, Authentifizierung und Personalstatistiken ausführen. Sprachaktivierungsgeräte (Voice Activation Devices, VADs) treiben den Bedarf an Edge-Machine-Learning an, um die Aktivierung von Wake-Up-Worterkennung, Natural Language-Verarbeitung und " Voice User Interface " -Anwendungen zu ermöglichen. Machine-Learning-basierte Anomalie-Erkennung (nach dem Vibration / Sound-Modus) kann drohende Ausfälle erkennen, wodurch Ausfallzeiten der Ausrüstung erheblich reduziert werden und schnelle Veränderungen in Industrie 4.0 ermöglicht werden. NXP bietet seinen Kunden mehrere Lösungen, um maschinelles Lernen in ihre Anwendungen zu integrieren.

 

Maschinelles Lernen geht an den Rand

 

NXPs Entwicklungsumgebung für maschinelles Lernen bietet kostenlose Software, mit der Kunden ihre eigenen TensorFlow- oder Caffe-Modelle importieren, in eine optimierte Inferenz-Engine konvertieren und die umfangreichen skalierbaren NXP-Lösungen von MCU bis hin zu hoch integrierten i.MX- und Layerscape-Prozessoren einsetzen können.

 

"Bei der Verwendung von maschinellem Lernen in eingebetteten Anwendungen müssen Kosten und Benutzererfahrung ausgewogen sein. Zum Beispiel können AI-Inferenz-Engines in unseren kosteneffektiven MCUs eingesetzt werden und erhalten genügend Leistung, was viele Menschen immer noch überrascht. "Markus Levy, Leiter der NI-Technologie für künstliche Intelligenz, sagte:" Auf der anderen Seite verfügen unsere leistungsstarken Cross-Border- und Anwendungsprozessoren auch über leistungsfähige Verarbeitungskapazitäten, die ein schnelles KI-Denken und Training in vielen Kundenanwendungen ermöglichen Wir werden weiter expandieren und werden das Wachstum in diesem Anwendungsgebiet mit Prozessoren der nächsten Generation weiter 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 das Upgrade von eingebetteten Geräten aus der Cloud. Die EdgeScale-Plattform unterstützt die sichere Konfiguration und Verwaltung von IoT- und Edge-Geräten. EdgeScale bietet eine durchgehende End-to-End-Entwicklung und -Lieferung durch die Integration von AI / Machine Learning- und Inference-Engines in die Cloud und die automatische Bereitstellung integrierter Module für Edge-Geräte.

 

Partner-Ökosystem

 

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 Machine-Learning-Tools, 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 durchgängige Toolkit für das maschinelle Lernen und die DeepView-Engine für das operative Reasoning, um Entwickler in die Lage zu versetzen, mit allen SoC-Portfolios von NXP (einschließlich Cortex-A, Cortex-M-Core und GPU) zu konkurrieren CNN auf dem Hybrid.

 

Pilot.AI hat ein Framework zur Implementierung verschiedener Sensoraufgaben auf verschiedenen Kundenplattformen (von Mikrocontrollern bis hin zu GPUs) aufgebaut, einschließlich Erkennung, Klassifizierung, Verfolgung und Identifizierung, und bietet Tools zur Datensammlung / -klassifizierung sowie vortrainierte Modelle zur direkten Implementierung von Modellbereitstellungen.

 


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