米兰milan-在低功耗MCU上实现人工智能和机器学习

[导读]人工智能（AI）及呆板进修（ML）技能不仅正于快速成长，还有逐渐被立异性地运用在低功耗的微节制器（MCU）中，从而实现边沿AI/ML解决方案。这些MCU是很多嵌入式体系不成或者缺的一部门，依附其成本效益、高能效以和靠得住的机能，此刻可以或许撑持AI/ML运用。这类集成化于可穿着电子产物、智能家居装备及工业主动化等运用范畴中，从AI/ML功效中得到的效益尤为显著。具有AI优化功效的MCU及TinyML的鼓起（专注在于小型、低功耗装备上运行ML模子），表现了这一范畴的前进。TinyML对于在直接于装备上实现智能决议计划、促成及时处置惩罚及削减延迟至关主要，尤其是于毗连有限或者无毗连的情况中。 人工智能（AI）及呆板进修（ML）技能不仅正于快速成长，还有逐渐被立异性地运用在低功耗的微节制器（MCU）中，从而实现边沿AI/ML解决方案。这些MCU是很多嵌入式体系不成或者缺的一部门，依附其成本效益、高能效以和靠得住的机能，此刻可以或许撑持AI/ML运用。这类集成化于可穿着电子产物、智能家居装备及工业主动化等运用范畴中，从AI/ML功效中得到的效益尤为显著。具有AI优化功效的MCU及TinyML的鼓起（专注在于小型、低功耗装备上运行ML模子），表现了这一范畴的前进。TinyML对于在直接于装备上实现智能决议计划、促成及时处置惩罚及削减延迟至关主要，尤其是于毗连有限或者无毗连的情况中。 TinyML是指于小型、低功耗装备上运用呆板进修模子，特别是于微节制器（MCU）平台上，这些MCU颠末优化，可以于装备有限的资源系统内运行。这使患上边沿装备可以或许实现智能决议计划，撑持及时处置惩罚并削减延迟。量化（Quantization）及剪枝（Pruning）等技能用在减小模子巨细并提高推理速率。量化经由过程降低模子权重的精度，显著削减内存利用而险些不影响正确性；剪枝则经由过程去除了不过重要的神经元，进一步减小模子范围并晋升延迟机能。这些要领对于在于资源有限的装备上部署ML模子至关主要。 PyTorch及TensorFlow Lite都是实现呆板进修模子的主流框架。PyTorch是一个开源呆板进修库，被广泛用在人工智能运用的开发，包括可以部署于微节制器上的运用步伐。PyTorch提供了用在呆板进修的东西及库，包括计较机视觉及天然语言处置惩罚，可用在低功耗及小尺寸装备。 TensorFlow Lite for Microcontroller（TFLM）可以或许于很是受限的MCU类装备上运行具备Flatbuffer转换功效的TF Lite模子。这削减了模子的巨细，并优化了它于MCU上的推理。 另外一个主要的东西是来自ARM的CMSIS-NN库，它为Cortex-M处置惩罚器提供了优化的神经收集内核来运行TFLM模子。CMSIS-NN库提高了机能并削减了内存占用，使其更易于基在ARM的MCU上运行ML模子。 此外，一些MCU还有配备了专用的AI/ML硬件加快器，如Silicon Labs（芯科科技）的EFM32无线SoC及MCU，可以显著提高ML模子的机能，使更繁杂的运用步伐可以或许于这些装备上更快、更高效地运行。人工智能加快器擅长并行化使命，如矩阵乘法、卷积及图形处置惩罚。经由过程使用多样化的并行性，它们可以一次履行年夜量的计较。这使患上人工智能事情负载的速率年夜年夜提高，同时连结低功耗。这些加快器还有加强了内存拜候模式，削减了数据传输开消，主CPU—CortexM可以进入低功耗睡眠模式，以节省更多的能量或者治理分外的使命。经由过程使数据更靠近计较单位，它们削减了等候时间。其成果是加强了机能、降低了功耗及延迟。 现实运用 TinyML的现实运用是多种多样且有影响力的。一个值患上留意的示例是音频及视觉叫醒词，当说出特定的要害字或者于图象中检测到或人时，装备会触策动作。这项技能被用在智能扬声器及安全摄像头，撑持它们于辨认到叫醒词或者检测运动时激活。另外一种运用是工业情况中的猜测性维护。工场装备上的传感器连续监测振动及温度等参数，可以使用TinyML模子检测来异样并于妨碍发生以前猜测维护需求，这有助在削减停机时间及维护成本。 手势及勾当辨认是TinyML的另外一种使人高兴的运用。配备加快度计及陀螺仪的可穿着装备可以监测身体勾当，如走路、跑步或者特定手势。这些装备利用TinyML模子及时阐发传感器数据，为健身追踪或者医疗诊断提供有价值的看法。于农业范畴，TinyML被用在情况监测。智能农业体系阐发泥土湿度及气候前提，以优化浇灌，提高作物产量及资源效率。 TinyML还有加强了康健监测功效。诸如持续血糖监测仪（CGM）如许需要永劫间电池寿命及及时数据处置惩罚的装备，都可以或许极年夜地受益在这项技能。此外，智能床传感器可以于没有直接接触的环境下评估病人的呼吸模式，为长途不雅察提供不间断的康健数据。这一立异于治理老年人照顾护士及慢性疾病方面尤其有价值，由于连续监测有助在和早发明潜于的康健问题。 启动开发 要最先构建本身的TinyML运用，您需要相识TinyML的基础常识并选择适合的硬件。按照您的运用，您可能需要传感器来网络数据，例如加快度计、麦克风或者摄像头。设置开发情况包括安装Simplicity Studio集成开发情况（IDE）、SDK及TinyML所需的资源库。 下一步是网络及预备与运用相干的数据。例如，假如您正于构建一个手势辨认体系，您需要网络差别手势的加快度计数据。网络数据后，您需要对于其举行预处置惩罚，使其合适练习您的模子。练习模子需要于功效强盛的呆板上利用高级框架，如TensorFlow或者PyTorch。一旦练习终了，模子需要利用量化及剪枝等技能举行优化。 于完成优化后，便可将模子转换为合适MCU的格局，如TensorFlow Lite格局。末了一步是将优化后的模子部署到MCU，将其与运用步伐代码集成，并对于其举行周全测试，以确保其满意机能及精度要求。基在现实机能的不停迭代及改良对于在完美TinyML运用至关主要。 使用芯科科技的解决方案于微节制器上实现人工智能及呆板进修 芯科科技提供了一系列解决方案，有助在于MCU上实现AI/ML。EFR32/EFM32（xG2四、xG2六、xG28）及SiWx917系列微节制器因为其低功耗及强盛的机能而很是合适TinyML运用。如下是于芯科科技MCU上实现AI/ML的具体技能指南： 数据收罗与预处置惩罚 数据收罗：利用毗连到MCU的传感器收罗原始数据，例如加快度计、陀螺仪及温度传感器等传感器均可用在各类运用。 预处置惩罚：对于数据举行清算及预处置惩罚，使其合适练习。这可能包括过滤噪声、对于数值举行归一化处置惩罚以和将数据支解到窗口中。为此，芯科科技提供了数据收罗及预处置惩罚东西。 数据收罗东西则由互助伙伴SensiML提供 模子练习 模子选择：按照运用选择适合的ML模子。经常使用的模子包括决议计划树（decision tree）及撑持向量机（vector machine）。 练习：于高机能云办事器或者带有GPU的当地PC上利用TensorFlow练习模子。这包括将预处置惩罚数据输入模子并调解参数以最小化偏差。 模子转换：利用TensorFlow Lite转换器将练习模子转换为与TF Lite Micro兼容的格局。TensorFlow Lite for Microcontrollers (TFLM)中的FlatBuffer转换包括将TensorFlow Lite模子转换为FlatBuffer格局，这是一种紧凑的二进制格局，可以高效地存储及快速地拜候。这个历程对于在于内存及处置惩罚能力有限的微节制器上运行呆板进修模子至关主要。FlatBuffers撑持直接拜候模子而无需解压。一旦采用FlatBuffer格局，该模子可以由微节制器履行，使其可以或许履行推理使命。这类转换减小了模子巨细，使其合用在内存很是有限的装备，而且可以快速拜候及履行模子，而无需举行年夜量解析。此外，它还有确保该模子可以于运行速度低在1GHz、代码空间有限（凡是低在3MB）、SRAM有限（约256KB）的MCU上被无缝集成及履行。 模子部署 与Simplicity SDK集成：利用芯科科技的Simplicity SDK将TF Lite Micro与MCU集成。 闪存模子（Flashing the Model）：将转换后的模子移植到MCU的Flash上。这可使用Simplicity Studio完成，它为芯科科技MCU的编程提供了一个用户友爱的界面。 推理及优化：运用量化及剪枝等优化技能，以减小模子巨细并提高机能。 运行推理：一旦模子部署完成，它可以于MCU上运行推理。这包括向模子中输入新数据并得到猜测成果。 软件东西链：新的软件东西包旨于撑持开发职员利用一些最风行的东西套件（如TinyML及TensorFlow）快速构建及部署人工智能及呆板进修算法。AI/ML软件帮忙设计职员创立新的运用步伐。除了了原生撑持TensorFlow来为高效推理提供优化内核以外，芯科科技还有与一些领先的AI/ML东西提供商（如SensiML及Edge Impulse）互助，以确保开发职员拥有端到真个东西链来简化呆板进修模子的开发，这些模子针对于无线运用的嵌入式部署举行了优化。经由过程将这一全新的AI/ML东西链与芯科科技的Simplicity Studio开发平台以和xG2四、xG28及xG26系列SoC联合利用，开发职员可以创立可以或许从各类互联装备获守信息的运用，这些装备均可以彼此通讯，从而做出智能的、由呆板进修驱动的决议计划。 芯科科技提供各类东西及资源来撑持ML运用。如下是此中一些例子： 呆板进修运用：芯科科技提供集成化的硬件、软件及开发东西，帮忙客户快速创立合用在工业及贸易运用场景的、安全的智能装备。开发平台撑持嵌入式呆板进修（TinyML）模子推理，由Tensorflow Lite for Microcontrollers（TFLM）框架撑持。该存储库包罗一组使用ML的嵌入式运用步伐 呆板进修东西包（MLTK）：这是一个带有号令行实用步伐及剧本的Python软件包，可撑持基在芯科科技的嵌入式平台开发的呆板进修模子。它包括从号令行界面或者Python剧本履行ML操作的各项功效，并可确定ML模子于嵌入式平台上的履行效率，以和利用googleTensorflow练习ML模子。 参考数据集：MLTK附带参考模子利用的数据集。这些数据集可以于Github上找到 音频特性天生器（Audio Feature Generator）：芯科科技提供了与TensorFlow Lite模子一路利用的音频特性天生器。它按照sl_ml_audio_feature_generation_config.h中的配置去举行前真个初始化来天生功效，并以流模式来初始化及启动麦克风。 MLPerfTiny Benchmark：MLPerf Tiny Benchmark是由一家开下班程同盟MLCo妹妹ons设计的机能评估套件。它旨于权衡ML体系于推理方面的机能及能效，将练习好的ML模子运用在新数据。该基准是专门为低功耗的最小装备量身定制的，凡是用在深度嵌入式运用，如物联网（IoT）或者智能传感。 芯科科技介入了MLPerf Tiny基准测试，提交了展示呆板进修东西包（MLTK）功效的解决方案。该东西包包括TinyML基准测试利用的几个模子，可于GitHub上得到，涵盖异样检测、图象分类、要害字辨认及视觉叫醒词等运用步伐。 与之前的版真相比，利用MLPerf Tiny v1.0的成果显示出了推理速率提高，以和代码范围及内存利用量的削减。例如，Plumerai的推理引擎体现出了显著的加强，包括撑持时间序列神经收集，如基在LSTM的轮回神经收集（RNN），这于运动传感器、康健传感器、语音及音频运用中很常见。 AI/ML互助伙伴 芯科科技与业界领先的供给商互助，包括Edge Impulse、SensiML、NeutonAI及Eta Compute等AutoML东西链及SaaS云伙伴成立了互助瓜葛。此外，诸如Sensory及MicroAI等解决方案提供商，以和包括Capgemini及Jabil于内的设计互助伙伴都是该收集的一部门。这些同盟提供了可简化综合解决方案开发的平台，使初学者更易接触到边沿的AI/ML。 TinyML于MCU上的上风： •成本低－MCU价格合理 •绿色环保－能耗低 •易在集成－可轻松将MCU集成到现有情况中 •隐私与安全－于当地处置惩罚数据，无需联网传输 •快速原型开发－快速开发观点验证解决方案 •自立靠得住－微型装备于任何情况下都能不变运行 •及时处置惩罚－将延迟降至最低 嵌入式开发运用流程 开发具备呆板进修功效的运用需要两个差别的事情流程： •利用Simplicity Studio来创立无线运用的嵌入式运用开发事情流程。 •创立将添加到嵌入式运用的呆板进修功效的呆板进修事情流程。 方针运用 运动检测：于贸易办公年夜楼里，很多灯都是由运动探测器节制的，该探测器监测占用环境，以确定灯是否应该打开或者封闭。然而，当员工于办公桌前打字时，因为动作仅限在手及手指，由于运动传感器自己没法辨认他们的存于，以是可能会呈现主动关灯而没法为员工可提供照明。经由过程将音频传感器与运动探测器毗连起来，分外的音频数据（如打字的声音）可以经由过程呆板进修算法举行处置惩罚，从而使照明体系可以或许更明智地决议灯是应该打开还有是封闭。 猜测性维护：可以使用芯科科技的EFR32 MCU来开发一个猜测性维护体系。这需要利用毗连的传感器来网络呆板的振动及温度数据，同时练习一个模子来按照这些数据猜测潜于的妨碍，然后将该模子部署于MCU上，实现对于呆板的及时监控及维护规划。 康健监测：利用EFM32 MCU构建可穿着康健监测装备。利用传感器网络心率及体温等生命体征的数据。练习一个模子来检测数据中的异样。于MCU上部署该模子，帮忙用户对于康健环境提供及时阐发相识。 智能农业：利用芯科科技的MCU开发智能浇灌体系。利用毗连的传感器网络泥土湿度及气候数据。练习一个模子，以便按照这些数据来优化水的利用。将该模子部署于MCU上，节制浇灌体系，提高作物产量。 MCU再也不局限在简朴使命，而是正成为实现AI的强盛平台。经由过程摸索面向AI优化的MCU，咱们可以为电池供电的智能装备斥地新的潜于运用。不管是智能家居装备还有是工业传感器，AI驱动的MCU正于重塑嵌入式体系的将来。

欲知详情，请下载word文档 下载文档

LED驱动电源的输入包括高压工频交流(即市电)、低压直流、高压直流、低压高频交流(如电子变压器的输出)等。

要害字： 驱动电源

于工业主动化蓬勃成长确当下，工业机电作为焦点动力装备，其驱动电源的机能直接瓜葛到整个体系的不变性及靠得住性。此中，反电动势按捺与过流掩护是驱动电源设计中至关主要的两个环节，集成化方案的设计成为晋升机电驱动机能的要害。

要害字： 工业机电 驱动电源

LED驱动电源于LED照明体系中饰演着至关主要的脚色。因为LED具备节能、环保、长命命等长处，使患上LED照明于各个范畴获得广泛运用。然而，LED的电流、电压特征需要特定的驱动电源才能正常事情。本文将先容经常使用的LED驱动电...

要害字： LED驱动电源 led照明

崧盛股分9日发布投资者瓜葛勾当记载表，就植物照明成长趋向、行业壁垒等问题举行分享。植物照明将来市场需求广漠崧盛股分指出，植物照明将会走向持久财产范畴。重要缘故原由有三：第一，LED植物照明赋能终端莳植更具备经济价值。因为LE...

要害字： 崧盛股分 驱动电源

早前有新闻称，Cree于2018年最先公布转型高科技半导体范畴，并一边逐渐离开照明与LED相干营业，一边连续投资半导体。于今日，Cree公布与SMART Global Holdings, Inc.告竣终极和谈，拟将LED...

要害字： cree led照明-米兰milan