MCU上的人工智能
传统认知中,人工智能(AI)相关的深度学习应用,只有算力充沛的MPU或者是PC才能玩得转。可你是否想过,在一颗通用MCU上也能畅玩深度学习?
这不是天方夜谭,NXP的工程师就在一个用例中,基于i.MX RT1050跨界MCU实现了人脸识别功能,30多层的深度学习模型跑一圈只要要295ms!
让深度学习模型在MCU上跑起来,其意义在于,可以将MCU功耗小、成本低、体量大、开发周期短、上市快、实时性好、响应稳等特性与深度学习的强大能力相融合,这势必会解锁一个庞大的市场,让海量的设备智能起来!当然,真正让深度学习用例在MCU上畅快地“奔跑”,还是有门槛的。最关键的是如何将训练好的深度学习的模型,转换并部署到MCU上,这需要一整套工具和方法。
好消息是——NXP的工程师已经在开发这些用例的同时,将所需的配套工具都做好了,并且提供测试版本供大家下载使用,还贴心地附上了一份万余字的用户指南……
这个视频中,工程师通过全面而直观地讲解,细致分析了在MCU上能做哪些AI应用及其特点,并实际演示了在MCU上畅玩AI深度学习的全过程。
下面的视频讲解,重点回答了以下几个问题:
- MCU能做人工智能中的深度学习应用吗?
- MCU能做哪些深度学习的应用,这些应用都有哪些特点?
- 用MCU实现深度学习计算,有哪些特点,性能如何?
- 做深度学习的应用,应该从哪里起步?
- 深度学习应用项目的开发流程是什么样的?
- 如果要做这方面的工作,恩智浦都提供了哪些工具?
让我们带着问题,一起来领略一颗MCU上的AI
i.MX RT1050 EVK
i.MX RT1050 EVK设有Arduino接口,可提供各种扩展板选项。其他板载接口选项包括6轴eCompass(加速度计和磁力计)、USB主机和OTG接口、以太网 (10T/100T) 连接、CAN收发器、SD卡接口、并行摄像机连接器等。
这款评估套件还设有增强型液晶显示器接口 (eLCDIF)。该通用型显示控制器可让开发人员轻松连接LCD显示器,例如可选的RK043FN02H-CT LCD显示模块。该款4.3" LCD模块支持480px x 272px分辨率,并具有简单易用的电容式触控功能。
本文转载自:嵌入式资讯精选
免责声明:本文为转载文章,转载此文目的在于传递更多信息,版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题,请联系小编进行处理。