tinyml 文章進(jìn)入tinyml技術(shù)社區(qū)

Ceva擴(kuò)展智能邊緣IP領(lǐng)導(dǎo)地位增添用于AIoT設(shè)備的全新TinyML優(yōu)化NPU

●? ?小巧的Ceva-NeuPro-Nano NPU帶來了超低功耗與最佳性能的優(yōu)化平衡，可在消費(fèi)、工業(yè)和通用 AIoT 產(chǎn)品中高效執(zhí)行 TinyML 工作負(fù)載●? ?用于Ceva-NeuPro NPU系列的Ceva-NeuPro Studio完善了AI SDK，支持包括TensorFlow Lite for Microcontrollers和 microTVM的開放式 AI 框架，可加快開發(fā) TinyML 應(yīng)用●? ?Ceva憑借在物聯(lián)網(wǎng)連接方
關(guān)鍵字： Ceva 智能邊緣IP TinyML NPU

打從2022年11月ChatGPT開放公眾使用后，隨即掀起一股大型語言模型（Large Language Model, LLM）風(fēng)潮，乃至生成式人工智能（Generative Artificial Intelligence, GenAI）風(fēng)潮，不過AI似乎有極大化與極小化的兩線發(fā)展，小型化發(fā)展即是以AIoT為起點(diǎn)開始衍生出Edge AI、TinyML等，特別是TinyML，必須在有限的運(yùn)算力、電力、成本、體積下實(shí)現(xiàn)AI，極具工程精進(jìn)挑戰(zhàn)。對此有一名IoT開發(fā)工程師Jon Nordby發(fā)起一個(gè)案子，期望實(shí)現(xiàn)
關(guān)鍵字： TinyML 傳感器開發(fā)板

如今，數(shù)據(jù)處理架構(gòu)呈現(xiàn)出一種“分裂”的特性。擁有龐大規(guī)模和計(jì)算能力的“云”計(jì)算成為了關(guān)注焦點(diǎn)，而“邊緣”計(jì)算將處理過程置于“一線”，連接著電子設(shè)備與真實(shí)世界。在云端，數(shù)據(jù)存儲(chǔ)量巨大，處理過程需要排隊(duì)和調(diào)度；而在邊緣，處理工作則有針對性地即時(shí)完成。如今，數(shù)據(jù)處理架構(gòu)呈現(xiàn)出一種“分裂”的特性。擁有龐大規(guī)模和計(jì)算能力的“云”計(jì)算成為了關(guān)注焦點(diǎn)，而“邊緣”計(jì)算將處理過程置于“一線”，連接著電子設(shè)備與真實(shí)世界。在云端，數(shù)據(jù)存儲(chǔ)量巨大，處理過程需要排隊(duì)和調(diào)度；而在邊緣，處理工作則有針對性地即時(shí)完成。這使得系統(tǒng)能夠針對
關(guān)鍵字： Qorvo半導(dǎo)體 tinyML 電源管理

物聯(lián)網(wǎng)正加速帶動(dòng)人工智能走向終端裝置，我們可以看到市場繼續(xù)保持積極的成長趨勢。市場也期待有更多的人工智能物聯(lián)網(wǎng)設(shè)備在市場上普及，并深入包括消費(fèi)性物聯(lián)網(wǎng)設(shè)備、工業(yè)應(yīng)用和網(wǎng)絡(luò)、還有與視覺、語音和聲音影像相關(guān)的邊緣應(yīng)用。AI的應(yīng)用案例正在推動(dòng)著龐大的物聯(lián)網(wǎng)運(yùn)算需求，而這背后都需要透過MCU來釋放這些運(yùn)算能量。我們也可以看出市場上的MCU解決方案基本上有兩大發(fā)展趨勢，用以支持新一代的機(jī)器學(xué)習(xí)（Machine Learning；ML）運(yùn)算能力。一是提高M(jìn)CU本身的運(yùn)算性能及能力，例如從Arm Cortex M0+提
關(guān)鍵字： TinyML MCU 深度學(xué)習(xí)

共4條 1/1 1

您好，目前還沒有人創(chuàng)建詞條tinyml!
歡迎您創(chuàng)建該詞條，闡述對tinyml的理解，并與今后在此搜索tinyml的朋友們分享。創(chuàng)建詞條