datasheet

恩智浦:引领边缘设备机器学习 推动云上ML的历史性发展

2018-10-19来源: 互联网关键字:恩智浦  机器学习

精彩亮点:

 

● 发布恩智浦边缘智能环境(eIQ),这是一套完整的机器学习(ML)工具包,支持TensorFlow Lite、Caffe2和其他神经网络框架,以及非神经ML算法。


●面向语音、视觉和异常检测应用推出一键式集成ML解决方案,包括数据采集、训练模型,并具备用户自定义功能。


●恩智浦EdgeScale扩展安全设备板载、配置和容器管理功能,适合针对i.MX和Layerscape应用处理器的ML应用。


圣何塞和巴塞罗那(巴塞罗那全球ARMTECHCON和物联网大会)– 2018年10月16日 – 借助恩智浦面向重点应用领域推出的eIQ边缘智能软件环境和可自定义的系统级解决方案,边缘节点开发人员如今可利用数学升级来推动云上机器学习(ML)的历史性发展。


eIQ软件环境包括构建和优化云训练ML模型所需的工具,可在工业、物联网(IoT)和汽车应用等各领域资源受限的边缘设备中高效运行。一键式完成生产的解决方案专门面向语音、视觉和异常检测应用领域。通过节省成为ML专家所需的大量投资,恩智浦使成千上万家产品需要机器学习功能的客户得偿所愿。


恩智浦资深副总裁兼微控制器业务总经理Geoff Lees表示:“我们很久之前就认识到,边缘节点的处理技术可切实推动客户采用机器学习,所以我们创建了可扩展ML解决方案和eIQ工具,帮助客户更容易获取和使用从云向边缘设备转移的人工智能功能。”


在恩智浦整个微控制器(MCU)和应用处理器产品线的支持下,eIQ可提供开发人员在边缘设备中实施ML所需的构件块。恩智浦eIQ紧跟ML不断发展的步伐,持续进行扩展以包括下列功能:数据采集和管理工具;适用于各种神经网(NN)框架和推理引擎的模型转换功能,例如TensorFlow Lite、Caffe2、CNTK和Arm® NN;支持新兴的NN公司,例如GLOW和XLA;传统ML算法(例如支持向量机和随机森林);以及在恩智浦嵌入式处理器上部署异构处理模型的工具。


此外,恩智浦最近还推出了一款软件基础架构(称为EdgeScale),旨在通过集中实现ML应用来统一边缘设备中的数据收集、管理和处理方式。EdgeScale可与基于云的人工智能(AI)/ML服务无缝集成,并支持在所有恩智浦设备(从低成本MCU到高性能i.MX和Layerscape应用处理器)上部署云训练模型和推理引擎。


公司基于eIQ环境推出了适用于基于边缘设备学习和本地执行的视觉、语音和异常检测模型的一键式解决方案。这些系统级解决方案可提供构建全功能应用所需的软硬件,同时允许客户添加自己的差异化功能。这些解决方案是模块化结构,方便客户利用简单插件扩展其产品功能。例如,可轻松将语音识别模块添加到使用恩智浦视觉识别解决方案的产品上。本周,在巴塞罗那全球物联网大会上,恩智浦展示了引入这些功能的真实应用 - 出席者可体验使用无人机并包括各种子系统的模拟工作场所,例如操作员进门面部识别子系统、针对操作员安全的对象识别子系统、本地语音控制命令以及用于预测无人机操作故障的异常检测子系统。


恩智浦亮相ArmTechCon


本周,恩智浦在Arm TechCon会上展示其最新的边缘计算产品。适用于恩智浦各种嵌入式处理产品组合的多功能eIQ工具和ML应用在620号展位及汽车馆闪亮展出。


●级联学习:在高性能i.MX 8QM上进行面部识别训练,并在使用安全Docker容器的中级i.MX 8QXP和i.MX 8M应用处理器上部署压缩的推理引擎。


●MCU级工业4.0 ML应用:刚发布的LPC5500 MCU上使用CIFAR-10的CMSIS-NN性能基准,支持使用基于Cortex-M4F的Kinetis MCU依靠传统机器学习技术进行异常检测。


●本地化语音和视觉ML应用,其特点为:


·  刚发布的i.MX RT600跨界处理器,利用集成DSP,安全且运行功耗超低


· 面向本地化语音唤醒和最终用户可编程语音控制体验的语音解决方案,也使用i.MX RT1050跨界处理器


· 通过Au-Zone DeepView Ml套件实现的视觉解决方案:使用i.MX 8QM在微波炉中实施的食品识别,以及使用低成本i.MX RT 1050跨界处理器的交通标志识别。


关键字:恩智浦  机器学习

编辑:baixue 引用地址:http://www.eeworld.com.cn/IoT/2018/ic-news10194438.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:天数智芯为其AI应用选择YArteris IP FlexNoC®互联IP产品
下一篇:工业云平台越来越丰富,区别在哪儿?

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

大联大品佳推出基于恩智浦(NXP)的QNX之汽车数字仪表解决

致力于亚太地区市场的领先半导体元器件分销商---大联大控股宣布,其旗下品佳推出基于恩智浦(NXP)的QNX之汽车数字仪表解决方案。 车载信息娱乐系统的复杂度每天都在上升,近年来,市场上出现了3D导航系统、3G/LTE无线接入设备、高分辨率彩色显示屏、语音识别系统以及USB和Bluetooth®数据连接。这些系统经常需要与汽车、外部设备和互联网连接,需要以实用方式处理和显示的信息量也在不断增加,这就需要采用具有高性能图形功能和丰富外设接口的强大而灵活的硬件解决方案。NXP提供汽车专用微处理器、SDR(软件定义的无线电)解决方案和音频放大器,满足所有OEM的要求和规范,我们还提供广泛的解决方案,提高无限性能,推进音频算法
发表于 2019-04-11
大联大品佳推出基于恩智浦(NXP)的QNX之汽车数字仪表解决

【方案】一步到位——ZLG无钥匙进入及启动系统

随着国内汽车工业的飞速发展,原本只有中、高端配置车型才有的无钥匙进入与启动系统(PEPS)逐渐走进中、低端配置车型中。下面我们一起了解了解吧。无钥匙进入及启动系统简称PEPS(Passive Entry & Passive Start),主要由智能遥控钥匙、高频接收器、低频驱动基站、天线以及车身控制模块(BCM)组成。当车主携带钥匙进入车辆有效范围内,拉动车门或者按下启动键即可,真正解放了用户的双手,更重要的是降低了车辆被盗的风险。ZLG基于恩智浦新一代的汽车防盗器件,推出PEPS交钥匙解决方案。1方案介绍1低频驱动基站NJJ29C0作为单芯片驱动方案,可以驱动多达6路低频天线的发射,满足目前车内低频天线的布局,最多支持
发表于 2019-04-02
【方案】一步到位——ZLG无钥匙进入及启动系统

富昌电子推出基于电动汽车逆变器(EV Inverter)电机驱动整套方案

近日, 全球领先的电子元器件分销商富昌电子(Future Electronics)今日发布符合功能安全基础的电动汽车逆变器(EV Inverter)电机驱动整套方案。该方案基于恩智浦半导体3款符合功能安全ASIL-D级认证的芯片:PowerPC SPC5744P、SBC FS6500、隔离预驱GD3100,拥有完善的工具生态链支持、以及完备的AUTOSAR 及 MCAL 库,能有效帮助中国客户加快开发速度、提升EV INVERTER 产品的安全可靠性,优化性价比并最终付诸量产。在方案发布会现场展示了方案样机实物,并详细介绍了EV Inverter 电机驱动整套方案的产品特点、技术细节,以及对未来设计的进一步规划。恩智浦
发表于 2019-04-01

出版商使用机器学习生成研究书籍,内容读起来并不轻松

据科技媒体The verge报道,学术出版商Springer Nature公布了它声称的第一本使用机器学习生成的研究书籍。  这本名为《Lithium-Ion Batteries: A Machine-Generated Summary of Current Research》的书读起来并不轻松。相反,正如它的名字所暗示的,它是对相关主题发表的同行评议论文的总结。它包括引用作品及其超链接和自动生成的参考内容。如果你晚上难以入睡,也可以免费下载和阅读。 虽然这本书的内容令人昏昏欲睡,但它的存在却令人兴奋。Springer Nature的Henning Schoenenberger在序言中写道,无需
发表于 2019-04-13
出版商使用机器学习生成研究书籍,内容读起来并不轻松

马斯克让特斯拉的全自动驾驶梦又迈进了吗?

了这种有附加条件的全自动驾驶,但离全社会的完全自动驾驶还是很遥远的。”  开车睡到家,技术和社会都得加把劲法国自动驾驶技术专家李铀对科技日报记者表示,目前的自动驾驶系统主要包含感知、定位、高精地图、导航与控制五大块。其中,感知模块通过处理摄像头、毫米波雷达、激光雷达、超声波雷达等各种传感器的数据,来获取障碍物、行道线、路面等信息,再结合定位、地图生成驾驶路径,最后再由控制器执行。由此可以看出,感知系统在自动驾驶系统中占据重要位置,也是主要难点。  李铀说:“机器学习被视为实现自动驾驶的重要核心技术,其通过在已标记的数据集上进行统计学习,来模拟人的认知能力。”  目前机器学习集中应用在感知系统当中,包括图像识别、点云识别等。最近
发表于 2019-04-12

对机器学习的七个误解

近日,哥伦比亚大学计算机科学专业博士生 Oscar Chang 发博阐述了关于机器学习的七个误解,雷锋网 AI 科技评论将原文编译整理如下。在了解深度学习的过程中盛传着 7 个误解,它们中很多都是以前固有的偏见,但在最近又被新的研究提出了质疑,现在我们把它整理出来:误解 1: TensorFlow 是个张量运算库误解 2: 图像数据集反映了自然世界真实图像分布误解 3: 机器学习研究者并不使用测试集进行验证误解 4: 神经网络训练过程会使用训练集中的所有数据点误解 
发表于 2019-04-12
对机器学习的七个误解

小广播

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved