全部
  • 全部
  • 解决方案
  • 技术问答
  • 视频中心
  • 知识分享
  • 技术资讯
  • SEED产品
400-048-1230
订阅
  • 首页
  • 解决方案
  • 技术问答
  • 视频中心
  • 知识分享
  • 技术资讯
  • SEED产品
在 ModusToolbox™ 环境中使用 Arm® Ethos™-U55 NPU 实现机器学习应用
来源:Infineon 发布:2024/01/15 浏览量:140

基于大模型的机器学习 (ML) 运算需要强大的计算资源来进行训练和推理,因此,它们通常在可以进行大算力数据处理的 PC 或云服务器上运行。然而,在嵌入式内核架构的革命性发展和软件工具的突破性进步的引领下,许多轻量级 Al/ML 应用正在迅速下沉至边缘,并加速嵌入式系统的智能化升级。

基于大模型的机器学习 (ML) 运算需要强大的计算资源来进行训练和推理,因此,它们通常在可以进行大算力数据处理的 PC 或云服务器上运行。然而,在嵌入式内核架构的革命性发展和软件工具的突破性进步的引领下,许多轻量级 Al/ML 应用正在迅速下沉至边缘,并加速嵌入式系统的智能化升级。

 

PSoC™ Edge是首款支持边缘人工智能的超低功耗MCU,使用户可以通过开发嵌入式系统来打造高度实用且性能强大的硬件平台,实现对世界的人工智能感知与控制,并支持与外界的智能交互和连接。PSoC™ Edge提供动态可调的功耗与性能模式,在满足场景低功耗需求的同时,为新一代的应用提供新兴的边缘AI/ML需求、丰富的HMI(人机交互)功能以及信息安全功能。英飞凌还为用户提供丰富的软件开发工具集,端到端支持用户项目开发,包括边缘人工智能开发所需的数据采集、模型推荐和训练等。

 

 

ML 应用和场景的推理过程需要大量的矩阵计算,同时当视频和图像类数据利用深度学习 ML 模型时,这些应用往往还需要占用大量的内存。为了支持这些场景,有必要使用诸如 Arm® Ethos™-U55等神经网络协处理器 (NPU) 来增强处理器的性能。在相同主频下,配合Arm® Cortex®-M55Helium扩展DSP指令集,处理矩阵运算的能力约相当于Cortex®-M750倍。

 

能耗效率和低成本是嵌入式 ML 应用的关键要求。除增强处理能力之外,还需要降低系统功耗和提供高效的软件开发环境。英飞凌的 PSoC™ Edge 平台及其ModusToolbox™ 软件开发环境可以更好地利用平台硬件资源进行 CPU 密集型嵌入式 ML 推理。开发环境涵盖了用于数据采集、数据预处理、数据标注、模型推荐、模型训练和部署的工具和优化器。

 

英飞凌MCU产品,适用于物联网领域,消费电子产品及工业设备的多类型应用。

 

 

 

Infineon 人工智能
请使用浏览器分享功能 请点击右上角,进行分享