Встроенный искусственный интеллект (AI) быстро становится основной технологической способностью обработки кромок, позволяя «умным» устройствам «распознавать» окружающую среду и принимать решения на основе информации, полученной с небольшим вмешательством или без вмешательства человека. Среда разработки NXP в области машинного обучения помогает быстрому росту машинного обучения в приложениях обнаружения зрения, речи и аномалий. Приложения для машинного обучения на основе Vision предоставляют входную информацию через камеры для различных типов алгоритмов машинного обучения (где наиболее популярны нейронные сети). Эти приложения охватывают большинство разделенных вертикальных рынков и могут выполнять такие функции, как распознавание объектов, аутентификация, статистика персонала и т. Д. Устройства голосовой активации (VAD) обуславливают необходимость обучения на ранних машинах, чтобы внедрить обнаружение слова «пробуждение», обработку естественного языка и « Приложение для голосового пользовательского интерфейса. Обнаружение аномалий на основе машинного обучения (в соответствии с режимом вибрации / звука) может определять надвигающиеся сбои, тем самым резко сокращая время простоя оборудования и быстро меняющихся в отрасли 4.0. NXP предлагает разнообразное машинное обучение Интегрировано в приложение. Fee software, позволяя клиентам импортировать собственные модели TensorFlow или Caffe, преобразовывая их в оптимизированный механизм вывода AI и развертывая обширные масштабируемые решения NXP для обработки от MCU до высокоинтегрированных процессоров i.MX и Layerscape ) в.
«При использовании машинного обучения во встроенных приложениях, необходимо учитывать стоимость и конечных пользователей. Например, наш рентабельный MCU также может быть развернут AI механизм логического вывода, и получить достаточную производительность, что так много людей до сих пор удивляется. Маркус Леви (Markus Levy), глава технологии искусственного интеллекта NXP, сказал: «С другой стороны, наши высокопроизводительные трансграничные и прикладные процессоры также обладают мощными возможностями обработки, что позволяет быстро анализировать ИИ и обучаться во многих клиентских приложениях. По мере того, как мы продолжим расширяться, мы продолжим стимулировать рост в этой области приложений с помощью процессоров следующего поколения, предназначенных для ускорения машинного обучения.
Еще одним ключевым требованием / технологии машинного обучения AI в край вычислительных приложений, которые могут быть безопасно конфигурировать и управлять вещи и передовые устройства из облака легко и безопасно развертывать и обновлять встроенные устройства. Поддержка EdgeScale платформы. EdgeScale за счет интеграции в облаке AI / машинное обучение и механизмы вывода, а также автоматически развертывать интегрированные модули на периферийных устройствах для непрерывного непрерывного развития и доставки.
Чтобы удовлетворить широкий спектр потребностей клиентов, NXP также создал экосистему партнера по компьютерному обучению, которая соединяет клиентов с поставщиками технологий, ускоряет разработку продукта с помощью проверенных инструментов машинного обучения, двигателей вывода, решений и дизайнерских услуг. члены производства и на рынок. экосистемам включают Au-Zone технологий и Pilot.AI. Au-Zone Technologies предлагает в отрасли первого конца в встроенный инструментарий машинного обучения и умозаключение среды выполнения DeepView, что позволяет разработчикам в компании NXP все композиции продукта SoC (включая ARM Cortex-а, Cortex-М ядра смесь изомеров и ГПУ), чтобы развернуть и настроить CNN. Pilot.AI построил кадр, платформа может быть в различных клиентов (от микроконтроллера к На графические процессоры реализованы различные перцепционные задачи, включая обнаружение, классификацию, отслеживание и идентификацию, а также инструменты сбора и классификации данных и предварительно подготовленные модели для непосредственного внедрения развертывания модели.