Radxa AICore DX-M1M — это компактный энергоэффективный M.2 модуль для ускорения edge-ИИ, построенный на основе нейронного процессора (NPU) DeepX DX-M1M и обеспечивающий до 25 TOPS (INT8) производительности ИИ при потреблении всего 3 Вт.
Предназначенный для промышленных манипуляторов, автономных мобильных роботов (AMR), edge-серверов, дронов и AIoT-устройств, модуль предоставляет высокопроизводительные возможности ИИ и машинного обучения без превышения энергобюджета. Он использует интерфейс PCIe Gen3 x2 и работает с системами на x86 и Arm, включая Raspberry Pi 5 и одноплатные компьютеры Radxa ROCK.
Характеристики AICore DX-M1M:
- Ускоритель ИИ – Нейронный процессор (NPU) DeepX DX-M1M с производительностью ИИ до 25 TOPS
- Системная память – 1 ГБ LPDDR4X @ 4266 МТ/с (встроенная, поддерживает до 8 ГБ согласно DeepX)
- Накопитель – 1 Гбит QSPI NAND / NOR flash
- Интерфейс хоста – PCIe Gen 3.0 x4 (поддерживает Gen 1/2/3 и x1/x2) через разъем M.2 M + B Key
- Потребление энергии – 3 Вт (типичное)
- Габариты – 42 x 22 мм (форм-фактор M.2 2242); совместим с слотами M.2 2280 через адаптер
- Температурный диапазон
- -25°C до 65°C (Стабильная производительность; без троттлинга)
- 65°C до 85°C (Тепловая защита; троттлинг)
Radxa AICore DX-M1M использует DEEPX DXNN SDK , который поддерживает компиляцию, оптимизацию и аппаратно-ускоренный вывод на NPU DEEPX. Он поддерживает модели PyTorch, ONNX, TensorFlow и Keras через компилятор DX-COM, преобразуя их в проприетарный формат DXNN.
SDK включает DXRT-NPU-Driver (драйвер ядра PCIe), среду выполнения DX-RT для взаимодействия с NPU, шаблоны демо-приложений DX-APP на C++/Python, плагин DX-STREAM для GStreamer для обработки видео в реальном времени, DX Model Zoo с предварительно скомпилированными моделями (обнаружение лиц, классификация изображений, обнаружение объектов, шумоподавление изображений, семантическая сегментация и оценка позы), а также инструменты, такие как DX-Tron для визуализации моделей. Программный стек поддерживает Windows 10/11 и Ubuntu Linux (24.04, 22.04 и 20.04 LTS), а также среды Docker.
Для ускорения развертывания Radxa также предлагает DX-All Suite , упрощенный пакет установки, который объединяет компилятор и компоненты среды выполнения, позволяя разработчикам быстро настроить полную среду DXNN с использованием Docker или локальной установки. Дополнительная информация доступна в руководстве по началу работы .
Ранее упоминалось о iMX8M Mini DX-M1 SOM и компьютере ALPON X5 для edge-ИИ, оба на основе чипа DeepX DX-M1, а Radxa также представила модуль AICore на основе DX-M1 ранее. Разница между ними заключается в том, что DX-M1 — это автономный чип-ускоритель ИИ, который требует внешней памяти LPDDR5 и более сложной аппаратной конструкции, в то время как DX-M1M — это более интегрированное решение, объединяющее тот же NPU со встроенной памятью LPDDR4X, что упрощает развертывание в компактных форм-факторах plug-and-play, таких как модули M.2. Оба обеспечивают схожую производительность ИИ до 25 TOPS, но DX-M1 предлагает гибкость для пользовательских разработок, тогда как DX-M1M предназначен для более быстрой интеграции. DEEPX также предоставляет чип DX-M1ML и модуль M.2, облегченную версию DX-M1M с производительностью ИИ 13 TOPS, но на данный момент он не найден в продаже.
Radxa AICore DX-M1M доступен на AliExpress за $97.67 и Arace Tech за $85.00 . Radxa также отмечает, что для стабильной работы под непрерывной нагрузкой необходим активный кулер, такой как Radxa Heatsink 2012B, или металлический корпус с термопрокладками. Дополнительную информацию можно найти на странице продукта .
Выражаем свою благодарность источнику, с которого взята и переведена статья, сайту cnx-software.com.
Оригинал статьи вы можете прочитать здесь.